摘要：货运量是运输系统中一个重要的指标。研究货运量的变化规律，对货运量进行科学合理地预测，对交通规划和经济发展具有重要的意义。为了有效地进行货运量预测，对货运量进行时间序列分析，建立了货运量的传统时间序列模型，观察到残差存在自相关，提出修正残差的ARMA模型，消除了自相关。最后根据模型对货运量进行预测，并提出政策建议。

关键词：货运量  时间序列分析  ARMA模型

1 绪论

   运输需求预测在国家和区域经济发展规划中具有十分重要的作用。其中公路货物运输和地方经济及企业发展的紧密联系.货运量预测成为货运需求和经济发展关系研究中的一个重要问题。对交通规划和经济发展具有重要的意义。

进行货运量预测的方法很多.常用的方法包括时时间序列分析、回归分析法和灰色系统法等。这些方法都集中在对其因果关系回归模型和时间序列模型的分析上所建立的模型不能全面和本质地反映所预测动态数据的内在结构和复杂特性.从而丢失了信息^[1]。近几年来.随着神经网络技术的发展.BP神经网络在货运量预测中得到了广泛应用^[2-4],但BP神经网络自身存在着收敛慢等缺点^[5]。鉴于上述研究方法的不足，本文对货运量进行时间序列分析，建立了货运量的传统时间序列模型，观察到残差存在自相关，提出修正残差的ARMA模型，消除了自相关。