后疫情时期的机场旅客吞吐量预测

摘要：

为提高后疫情时期的机场旅客吞吐量预测精度,通过CEEMDAN算法将旅客吞吐量原始序列分解为若干不同频率的分量,检验各分量序列的平稳性,对平稳序列建立ARMA预测模型,非平稳序列通过构建DBSCAN-Ad-aboost强预测器进行预测,将各分量预测结果重组,得到社会常态化发展背景下的机场吞吐量预测值.以新冠疫情散发点个数、疫情散发点区位因子为变量建立疫情影响因子修正模型,对南京机场2020—2022年疫情期间的客流量预测结果表明,新组合模型能够较为准确地量化疫情对机场客流的影响程度,为机场旅客吞吐量预测提供了新方法.

关键词：客流量预测、CEEMDAN分解算法、DBSCAN-Adaboost算法、后疫情时期

所属期刊栏目：52

分类号：F56(航空运输经济)

资助基金：国家自然科学基金U1933119

在线出版日期：2022-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：40-44