汪 瑜，车 通，鄢仕林

(中国民航飞行学院 机场工程与运输管理学院，四川 广汉 618307)

时间序列预测模型被广泛地应用于金融、经济、工程、管理等领域，实践证明该方法也同样适用于航空运输业中的航线客流量预测。针对具有时间序列特征的航线客流量预测问题，目前采用的方法主要包括以下几种。1) 基于自回归移动平均模型(autoregressive integrated moving average model，ARIMA)。如，景崇毅等[1]提出对主体ARIMA模型的残差序列进行二次建模以提高原模型的精度和适应性，并利用航线运量实数时间序列进行建模仿真；王婷[2]、王蓉[3]利用ARIMA模型对航线客流量观测数据进行建模，得到了较好的预测效果。2) 基于灰色系统理论模型。如，郑丽[4]运用灰色模型计算了国际客运量影响因素及其关联度水平，并据此优化了宁波空港运力分配方案；朱佳等[5]针对中国国际航线客运量预测问题，建立了新陈代谢灰色马尔科夫预测模型，并获得了较高的预测精度。3) 基于组合模型。如，张千露[6]利用指数平滑法、ARIMA模型和灰色预测法分别建立了3种单项预测模型，并利用等权法、线性组合模型和贝叶斯组合模型，综合各单项模型结果，获得了更佳的预测效果；郑彦[7]将ARIMA模型和回归分析相结合，为基于月度数据的时间序列定量分析提供了一个有效的方法。

然而，上述预测方法在解决时间序列问题时，所获取的每一期的观测样本均以精确实数表示，忽略了航线客流的随机波动特性，导致丢失部分重要信息，从而使得预测结果难以满足实际管理决策的需要。……