基于SARIMA时间序列模型的区域快递需求预测——以江苏省为例

随着经济飞速发展，我国快递业务量逐年上升，快递业的发展水平成为衡量区域经济和社会发展的重要指标。文章通过爬虫技术获取2016年1月—2022年11月江苏省的快递业数据，通过Anaconda平台使用季节性差分自回归滑动平均模型(Seasonal Autoregressive Integrated Moving Average，简称SARIMA)对获取的数据进行分析。考虑到原始数据为非平稳时间序列，进行差分处理和参数分析，最终确定模型为SARIMA(1,1,1)(0,1,2)12，结果表明该模型的数据拟合较好。通过模型对2022年12月—2023年5月的快递量进行预测。文章认为，预测模型的数据能更好地助力快递业解决可能发生的风险和不确定因素，为今后区域经济和区域快递业务发展提供重要参考。