基于弱化緩沖算子民航旅客運輸量的灰色預測

【摘 要】 為了解民航運輸機場旅客運量的現狀以及未來發展情況。利用弱化緩沖算子對2008-2017年民航運輸機場旅客運量進行修正，并利用灰色GM（1，1）模型預測2018-2020年民航機場的旅客運量，預測結果為56649.516、60259.986、64100.564萬人次。

【關鍵詞】 旅客運量 弱化緩沖算子 灰色預測

一 引言

隨著經濟的不斷發展，民用運輸機場的旅客出行量不斷增長，但機場的承載能力有限，因此了解機場在未來的旅客運輸量的發展規律，對于了解機場未來發展，擴大其承載力有重要意義。

利用弱化緩沖算子對數據進行修正可以減少數據的波動提高預測的準確度，灰色預測適合用于對波動性較小、單調變化的數據[1]。因此，本文以2008-2017年民航運輸機場客運量為樣本，利用弱化緩沖算子和灰色預測理論建立客運量的預測模型，并對2018-2020年機場客運量預測，以期為民航相關部門提供建議。

二 弱化緩沖算子修正的灰色GM（1，1）模型

（一）弱化緩沖算子

三 旅客運輸量模型檢驗與預測

（一） 模型的檢驗

原始數據來源于民航發展統計公報以及民航相關書籍。2008-2017年民航運輸機場旅客運輸量分別為15609，23000，26800，29317，31936，35397，39195，43618，55156萬人次。利用該數據檢驗民航運輸機場的旅客運輸量預測模型的預測精度并對2018-2020年運輸機場客運量進行預測。

根據原始數據建立弱化緩沖算子修正的GM（1，1）模型。修正后的2008-2017年民航運輸機場旅客運輸量為：33336.44、35552.38、37345.57、39103.17、41060.40、43341.50、45989.67、49387.00、55156.00萬人次，得a=-0.062，b=31440.57，由于發展系數-a≤0.3，均值GM（1，1）模型可用于中長期預測[2]。將a，b帶入（1），得

對模型精度進行后驗差檢驗。當后驗差比值C<0.35，且小誤差概率P大于0.95時，灰色模型精度為好[3]。旅客運輸量原始序列方差為43595427，殘差序列標準差為922，后驗差比值C為0.000021，小誤差概率為1，模型通過后驗差檢驗。

以2008-2015年民航運輸機場旅客運輸量作為樣本對2016、2017年的數據進行預測，并與實際值比較，進而檢驗模型預測精度，模型預測結果分別為48137.885、50669.349萬人次，平均預測精度為0.053。

（二）旅客運輸量的預測

利用基于弱化緩沖算子修正對的民航運輸機場旅客運輸量模型對2018、2019、2020年旅客運輸量的預測，預測結果分別為56649.516、60259.986、64100.564萬人次。

四 結論

（一）本文建立了適用于對民航運輸機場旅客運輸量進行中長期預測的弱化緩沖算子修正的灰色預測模型。

（二）利用弱化緩沖算子修正的灰色預測模型對2018-2020年旅客運輸量進行預測，預測結果為56649.516、60259.986、64100.564萬人次。

【參考文獻】

[1] 王永剛，呂學梅.民航事故征候的灰色馬爾可夫預測[J].安全與環境學報，2008（1）：163-165.

[2] 寧宣熙.劉思峰.管理預測與決策方法[M].北京：科學出版社，2009. 113-145.

[3] 劉思峰，鄧聚龍.2000.GM（1，1）模型的使用范圍.系統工程理論與實踐，20（5）：121-124.

作者簡介：韓適朔（1993—），女，漢族，黑龍江省大慶人，碩士研究生；

單位：中國民航大學經濟與管理學院，安全科學與工程專業；研究方向：民航安全管理