为实现准确的机场流量短期预测,本文建立了基于二次分解方法的分解集成预测模型。 首先,应用局部加
权回归周期趋势分解(STL, seasonal and trend decomposition procedure based on Loess)算法将原始时间序
列分解为趋势项、季节项和余项 3 个分量,并计算其样本熵。其次,应用遗传算法(GA,genetic algorithm)优化
变分模态分解(VMD,variational mode decomposition)参数,对熵值较大的分量进行二次分解。 再次,使用极
端梯度提升(XGBoost, extreme gradient boosting)对二次分解后的所有分量进行预测,采用加和集成得到
最终的预测值。 最后,采集国内典型机场实际运行数据进行实例分析。 针对北京首都国际机场 60 min 进
场、离场流量时序,本文模型预测的均等系数(EC,equal coefficient)值分别为 0.970 3、0.995 9,相比其他常
用模型均有所提高。 此外,对于上海浦东、上海虹桥、广州白云 3 个大型国际机场,本文模型在 60 min、
30 min 统计尺度下进场和离场流量预测的 EC 值均在 0.970 0 以上,15 min 统计尺度下预测的 EC 值均在
0.950 0 以上。 结果表明,本文建立的二次分解集成预测模型具有良好的准确性和普适性,用于机场流量短
期预测是可行和有效的。