摘要： 为解决民航客运量预测时存在的精度低、高维特征缺失等问题，结合中国民航客运量数据的特征，提出一种由互补集合经验模态分解（ＣＥＥＭＤ）与支持向量机（ＳＶＭ）组合的预测模型。通过 ＣＥＥＭＤ对数据进行分解，有效处理数据中的复杂特征和趋势。通过粒子群算法（ＰＳＯ）优化 ＳＶＭ模型的参数，确保模型更好地适应数据特征并提供准确的预测结果。构建 ＣＥＥＭＤＰＳＯＳＶＭ组合预测模型应对复杂的客运量数据，提升预测效果。选取 ２００５—２０２４年的客运量数据进行建模，并与 ＣＥＥＭＤＳＶＭ、ＥＭＤＳＶＭ、ＥＥＭＤＳＶＭ、ＥＭＤＰＳＯＳＶＭ、ＥＥＭＤＰＳＯＳＶＭ模型的预测效果进行比较。仿真结果表明：构建的 ＣＥＥＭＤＰＳＯＳＶＭ模型可有效预测中国民航客运量波动特征下的数据变化趋势。

关键词: 互补集合经验模态分解；粒子群算法；支持向量机；组合预测；民航客运量预测

中图分类号: 

• Ｆ２２２