文献类型：期刊文章

作　　者：郭战坤[1] 金永威[2] 梁小珍[1] 杨明歌[1] 汪寿阳[3,4]

GUO Zhan-kun;JIN Yong-wei;LIANG Xiao-zhen;YANG Ming-ge;WANG Shou-yang(School of Management,Shanghai University,Shanghai 200444,China;Baidu China Co.,Ltd.,Shanghai 201203,China;Management School,University of Chinese Academy of Sciences,Beijing 100190,China;Academy of Mathematics and Systems Science,Chinese Academy of Sciences,Beijing 100190,China)

机构地区：[1]上海大学管理学院,上海200444 [2]百度(中国)有限公司,上海201203 [3]中国科学院大学经济与管理学院,北京100190 [4]中国科学院数学与系统科学研究院,北京100190

出　　处：《数学的实践与认识》

基　　金：国家自然科学基金(71701122,71702095,11801352)

年　　份：2019

卷　　号：0

期　　号：17

起止页码：26-34

语　　种：中文

收录情况：BDHX、BDHX2017、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：考虑到诸如金融危机等重大事件的影响,时间序列可能存在异常值,提出了一个基于局部异常因子(LOF)的LOF-SSA-LSSVM预测模型,并将其应用于广州港集装箱吞吐量预测.首先,对原始时间序列进行X12加法季节分解,对于分解得到的不规则序列,采用LOF算法进行异常值检测,确定异常数据的位置,之后通过插值或最小二乘支持向量机(LSSVM)的预测值来修正原始季节调整序列中的异常值,将修正后的季节调整序列与季节因子序列加和,即得到新的待预测序列.预测阶段,先采用奇异谱分析(SSA)将新的待预测序列进行分解重构,剔除序列中的噪声,然后再采用LSSVM对其进行预测.实证结果表明,建立的LOF-SSA-LSSVM模型相比BP、ARIMA等模型有着更好的预测精度.

关 键 词：集装箱吞吐量预测 局部异常因子 最小二乘支持向量机 奇异谱分析

分 类 号：U691.71]