基于ARIMA-GM的短期民航货邮周转量研究

ARIMA模型对季节特征有较好的拟合效果,灰色GM(1,1)模型能准确反映时间序列的增长趋势,结合民航货邮周转量的特点和ARIMA模型和GM(1,1)模型的优点,分别建立货邮周转量的ARIMA和GM(1,1)的时间序列模型,揭示出民航货邮周转量随时间推移而发展变化的动态规律,最后为更精确地预测月度民航货邮周转量,提出基于ARIMA-GM的组合预测模型,并对近几月民航货邮周转量进行较准确的短期预测,结果表明:组合模型能提高预测精度,在实际应用中ARIMA模型可用于非季节和季节的各类时间序列;灰色GM(1,1)模型能准确反映时间序列的增长趋势,两者相结合很好地解决了民航货邮周转量短期预测的实际问题,得到民航货邮周转量更精确的预测结论,能够对民航货邮市场的发展趋势进行宏观把握,有利于决策者的经济决策行为。

基于优化组合模型的航空货邮市场需求预测——来自2007-2017年全球及中国面板数据的实证分析

航空货邮周转量是评价航空物流业发展的一个重要指标,传统预测方法在复杂系统的表现较差。在趋势外推法、多项式回归和灰色预测的基础上,引进诱导有序加权平均(IOWA)算子组合预测模型。结果表明,该方法对航空货邮周转量的预测效果比其他方法更好,以2018年全球数据进行检验,预测误差仅有4.72%。通过预测结果进一步对比分析全球及中国航空货邮市场的发展情况及未来趋势,为中国航空物流业的转型升级以及经济结构的优化发展提供参考与启示。

中国民航货运市场分析和预测

对中国民航货运市场的特点及其发展状况进行了对比分析,剖析了国民经济与民航货运的内在关系,从而建立了货邮运输量和货邮周转量的非线性回归模型,预测出2005—2020年的中国航空货邮运输量和周转量,为中国民航货运部门进行决策提供了一定的科学依据。

后疫情时期航空货运行业发展现状分析研究

后疫情时期,相较航空客运2020年全球航空货物运输业发展整体呈上升趋势,发展前景较为乐观。本文通过对比分析CTK和CLF等指数变化情况,拟从全球航空货运及国内航空货运两方面总结并分析2020年航空货运行业发展情况,并就2021年发展趋势做简要分析。