基于波动聚集性的城际高铁客流量预测

摘要：由于受到众多因素的影响,城际高铁客流量序列呈现出波动聚集性特征,常用的预测方法很难准确揭示这种波动聚集性特征,一定程度上限制了城际高铁客流量预测精度的提高。为解决该问题,将自回归差分移动平均(ARIMA)模型与广义自回归条件异方差(GARCH)模型相结合,提出城际高铁客流量的ARIMA-GARCH预测模型。先构建城际高铁客流量序列的ARIMA模型,再利用GARCH模型刻画ARIMA模型残差的波动聚集性。利用某车站的城际高铁客流量数据检验ARIMA-GARCH模型的有效性。研究结果表明:ARIMA-GARCH模型刻画出了城际高铁客流量的波动聚集性特征,其短期、中期、长期预测精度均高于ARIMA模型。随着预测步数的增加,ARIMA-GARCH模型的预测精度逐渐下降。