《表9 不同滞后阶数浙江省物流业景气指数预测模型结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PSO-SVM模型的物流业景气指数组合预测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了检验模型的通用性，将本文提出的PSO-SVM物流业景气指数组合预测模型应用到浙江省物流业景气指数预测。从公开数据发现，浙江省2014—2015年物流业景气指数采用季度数据的方式公布。2016年1月起采用月度数据方式公布，为保持建模数据的一致性，选择浙江省2016年1月至2020年7月的物流业景气指数数据验证模型，数据预处理方式及初始参数设置均按照上述过程进行。整理得到不同滞后阶数，浙江省物流业景气指数预测模型的精度如表9所示。从表中可看出，滞后阶数为4所对应的预测模型拟合误差和测试误差均最小，并且均方根相对误差都小于3%，模型总体精度满意，可用该模型预测浙江省物流业景气指数，说明本文构建的PSO-SVM物流业景气指数组合预测模型具有较好通用性。