基于EMD-SARIMA模型的铁路商品汽车运量预测

针对铁路商品汽车月度运量时间序列呈现非平稳、季节性波动等特征，结合经验模态分解（EMD）方法建立了一种新的SARIMA时间序列预测模型。首先利用EMD将时间序列分解成多个相互独立且相互平稳的分量。然后分别对各个分量建立相对应的SARIMA时间序列模型，去除噪声分量。最后进行数据重构，将重构后的数据再进行SARIMA建模，以实现铁路商品汽车月度运量预测。预测结果显示，建立的EMD-SARIMA模型有着很高的预测精度，能够学习获取时间序列铁路商品汽车月度运量的成长过程及发展趋势，挖掘其周期性变化规律，为解决铁路商品汽车物流高质量发展过程中面临的问题起到重要的参考作用。