成都市機場客運及貨運需求吞吐量預(yù)測

摘" 要：針對四川省成都市的天府機場和雙流機場2個機場的旅客、貨運吞吐量數(shù)據(jù)，采用灰色預(yù)測方法建立數(shù)學模型，并運用MATLAB軟件對成都市機場的客運和貨運吞吐量進行數(shù)學建模。模型檢驗結(jié)果證明灰色預(yù)測方法是可行的。采用該模型對成都市雙機場未來4年（2024—2027年）吞吐量進行預(yù)測，結(jié)果顯示，在未來4年，天府國際機場的客、貨運吞吐量呈現(xiàn)增加的趨勢，這也表明成都市雙機場在西南地區(qū)承擔著重要的運輸樞紐作用。

關(guān)鍵詞：雙流國際機場；天府國際機場；灰色模型；吞吐量預(yù)測；客運與貨運

中圖分類號：[U8]" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2025）08-0044-04

Abstract： Utilizing the passenger， cargo and mail throughput data from Tianfu International Airport and Shuangliu International Airport in Chengdu， Sichuan Province， a mathematical model has been developed employing the grey prediction method. MATLAB software was utilized to analyze the passenger and cargo throughput of Chengdu International Airport. The results of model testing indicate that the grey prediction method is viable. This model is employed to project the throughput of Chengdu's twin airports over the next four years （2024-2027）. Findings suggest that both passenger and cargo throughput at Tianfu International Airport will indicate growth during this period， underscoring the significant role played by Chengdu's twin airports in Southwest China.

Keywords： Shuangliu International Airport; Tianfu International Airport; Grey model; throughput forecasting; passenger and freight transportation

近年來，我國交通運輸業(yè)的迅速發(fā)展，正處于一個快速發(fā)展、高質(zhì)量發(fā)展的階段，尤其是民用航空行業(yè)，運輸現(xiàn)代化也是我國向運輸強國發(fā)展的重要戰(zhàn)略之一[1-2]。四川省成都市目前擁有2個機場，雙流國際機場和天府機場為區(qū)域性國際航空樞紐，在民航的發(fā)展中具備獨特的戰(zhàn)略地位[3]。灰色預(yù)測是通過運用控制論的思想將信息不完整不明確的整體進行建模[4]。傳統(tǒng)灰色預(yù)測模型所需的數(shù)據(jù)樣本量不多且中長期預(yù)測較為準確，傳統(tǒng)模型的參數(shù)的估計是差分方程的離散形式，數(shù)據(jù)模擬與預(yù)測是采用微分方程的離散形式[5]?；疑A(yù)測模型GM（1，1）易受到外部環(huán)境因素的干擾，原始序列往往會有隨機波動振蕩現(xiàn)象，灰色預(yù)測模型對系統(tǒng)建模的過程中，易受外部環(huán)境擾動因素的影響，存在一定的預(yù)測誤差[6]。對高增長的序列預(yù)測精度比較低，穩(wěn)定性不夠高。為了優(yōu)化模型，有學者提出了含一階差分方程一個變量的離散灰色預(yù)測模型[7]。傳統(tǒng)灰色預(yù)測模型中，原始數(shù)據(jù)增量的挖掘是通過累加生成算子，進行預(yù)處理。而對累加序列的還原則是通過其逆算子灰色累減算子[8]。

1" 灰色預(yù)測模型構(gòu)建及預(yù)測

對于發(fā)展穩(wěn)定的機場，其吞吐量預(yù)測通常采用時間序列法、計量經(jīng)濟法和遞減法等。實際上，雖然我們能夠得到其歷年來具體的客運、貨運的吞吐量，但機場的吞吐量還受到本地的經(jīng)濟發(fā)展水平以及環(huán)境條件等影響，尤其是疫情環(huán)境對航空的影響等不完整的信息條件[9-10]?；疑Ｐ途哂幸蟮臄?shù)據(jù)樣本量不多、中短期預(yù)測精度較高的優(yōu)勢，因此運用灰色預(yù)測模型雙機場的客運、貨運吞吐量進行預(yù)測具有一定合理性。成都市2個機場的規(guī)劃定位不同，雙流機場主要承擔西部高原地區(qū)客運中轉(zhuǎn)和貨運任務(wù)，天府國際機場為西南地區(qū)主要的客運樞紐[11]。2個機場發(fā)展采用“兩場一體”的經(jīng)營方式，因此將成都市雙機場作為一個預(yù)測整體，對四川省雙機場的客運、貨運吞吐量進行短期的預(yù)測，數(shù)據(jù)作為預(yù)測的樣本并對預(yù)測的結(jié)果進行檢驗，得到結(jié)論。

根據(jù)西南地區(qū)機場數(shù)據(jù)系統(tǒng)公布的公開數(shù)據(jù)可以得到成都市雙機場的2012—2019年的客運吞吐量和貨運吞吐量，見表1。

便于對數(shù)據(jù)記錄，將成都雙機場的客運吞吐量和貨運吞吐量分別將其記作pCD、gCD。2012—2019年的客運吞吐量以及貨運吞吐量依次記為X（0）pCD（i）、X（0）gCD（j）。

1.1" 模型可行性判斷

1.1.1" 建立時間序列

1.3" 模型檢驗

運用MATLAB運算能得到擬合曲線，真實值和預(yù)測值之間的差異，并且預(yù)測得到后面一組即2018年和2019年的客運吞吐量預(yù)測值，擬合曲線如圖1所示，2018年和2019年的貨運吞吐量，擬合曲線如圖2所示。圖中三角形所對應(yīng)的數(shù)據(jù)量為每年的實際數(shù)據(jù)的散點圖，折線圖為擬合曲線，圖中的各個散點表示每年的預(yù)測值。

客運、貨運吞吐量驗差比值依次為0.11、0.14，均小于0.35，表明該模型的預(yù)測精度好。根據(jù)模型擬合出得到2018、2019年的客運吞吐量依次為55.47、61.15百萬人次，根據(jù)數(shù)據(jù)得知實際的貨運吞吐量為68.39、72.21萬t。對原始數(shù)據(jù)和預(yù)測數(shù)據(jù)進行檢驗，計算殘差、相對誤差公式如式（9）所示

1.4" 吞吐量預(yù)測

未來幾年2個機場的發(fā)展規(guī)劃都根據(jù)成都市機場發(fā)展規(guī)劃，且國內(nèi)外經(jīng)濟基本保持穩(wěn)定的發(fā)展，成渝航空樞紐圈的定位和職能不會再發(fā)生較大的變動，2個機場采用“兩場一體”的經(jīng)營方式，根據(jù)建立的灰色預(yù)測模型，預(yù)測得到2024—2027年成都雙機場旅客和貨運吞吐量，見表3。

2" 預(yù)測結(jié)果分析

本文通過歷年來成都市雙機場旅客和貨運吞吐量進行分析，建立了灰色預(yù)測模并進行優(yōu)化，得到優(yōu)化后的成都雙流機場的客運和貨運吞吐量相關(guān)數(shù)據(jù)預(yù)測分析，建立了灰色預(yù)測模型，通過計算模擬數(shù)據(jù)和預(yù)測數(shù)據(jù)的平均相對殘差和平均精度看，該模型符合預(yù)測的精度要求，具備可行性。根據(jù)成都市的規(guī)劃目標來看，預(yù)計到2025年，成都國際航空樞紐年客運吞吐量可達到1億人次以上，貨運吞吐量達到190萬 t。預(yù)測值與規(guī)劃目標還存在很大的差距，實現(xiàn)目標也是后續(xù)經(jīng)營規(guī)劃的重點，實現(xiàn)“1+1＞2”國際航空樞紐格局。

3" 結(jié)論與展望

吞吐量預(yù)測對于機場的規(guī)劃是至關(guān)重要的，灰色預(yù)測是一種運用廣泛的預(yù)測方法，尤其是對于數(shù)據(jù)不夠完整的一些模型來說，灰色模型在一定的程度上實現(xiàn)了數(shù)據(jù)的預(yù)測，并通過優(yōu)化模型提高了預(yù)測模型的準確性。預(yù)測過程中考慮到疫情期間客運、貨運的吞吐量受到的影響較大，因此在預(yù)測的時候選擇的數(shù)據(jù)是2012—2019年成都市2個機場客運、貨運吞吐量，并沒有考慮2020—2022年受疫情影響下的運輸量的變化。雖然取得了一定的預(yù)測結(jié)果，但是仍然存在不足。本文沒有考慮“黑天鵝”事件的影響，預(yù)測過程也只采用了疫情前的數(shù)據(jù)，預(yù)測的結(jié)果欠佳。整個經(jīng)濟大環(huán)境也影響了運輸業(yè)的發(fā)展，預(yù)測的結(jié)果和實際結(jié)果具有偏差。本文的預(yù)測方法和結(jié)果，也給未來對不確定事件的預(yù)測提供了思路，對現(xiàn)有的預(yù)測增加靈敏度分析，展開不同的干擾因素，判斷對未知事件預(yù)測準確性的影響，進一步提高預(yù)測結(jié)果的準確性。

參考文獻：

[1] 董念清.中國通用航空發(fā)展現(xiàn)狀、困境及對策探析[J].北京理工大學學報（社會科學版），2014，16（1）：110-117.

[2] 梁小珍，郭戰(zhàn)坤，張倩文，等.基于奇異譜分析的航空客運需求分析與分解集成預(yù)測模型[J].系統(tǒng)工程理論與實踐，2020，40（7）：1844-1855.

[3] 吳文化.開啟交通強國建設(shè)新征程[J].綜合運輸，2018，40（1）：1-4.

[4] 鄧聚龍.灰色系統(tǒng)理論簡介[J].內(nèi)蒙古電力，1993（3）：51-52.

[5] 謝乃明，張可.離散灰色預(yù)測模型及其應(yīng)用[M]．北京：科學出版社，2016．

[6] XIE N M. Discrete greyforecasting model and its optimization[J].Applied Mathematical Modeling，2009，33（2）：1173-1186．

[7] 曾波，尹小勇，孟偉.實用灰色預(yù)測建模方法及其MATLAB 程序?qū)崿F(xiàn)[M].北京：科學出版社，2018．

[8] 曾波，余樂安，劉思峰，等.灰色累加算子與灰色累減算子的統(tǒng)一及其應(yīng)用[J].系統(tǒng)工程理論與實踐，2021，41（10）：2710-2720．

[9] 竇如婷，謝齊.基于灰色預(yù)測模型的我國海上風電發(fā)展規(guī)模和趨勢研究[J].海洋開發(fā)與管理，2020（10）：62-68.

[10] 高黎，景崇毅，賴桂瑾.國內(nèi)機場群運營效率對比研究[J].綜合運輸，2020（8）：8-11，27.

[11] 劉洋.成都天府國際機場總體規(guī)劃布局思考[J].四川建筑，2022，42（S1）：6-9.