1. 研究目的与意义
目前，关于时间序列的研究主要由分析和预测两个方面组成。
第一，时间序列分析就是对时间序列进行数据分析，通过分析时间序列的内部结构和本质属性，从而对数据有正确的认识。
例如，基于自相关函数的时域分析可以研究时间序列的平稳性和季节性等特性；基于傅立叶变换的频谱分析则可以研究时间序列的振幅、频率、相位、频谱密度、周期图等特征。
2. 国内外研究现状分析
货物运输量是衡量运输行业发展情况的重要指标，货物运输量预测是进行交通规划，物流规划的等工作的前提和基础，为相关运输工作的开展提供数据支持。
国内外的学者针对运输量的预测方面进行了很多的研究工作，并形成了相对比较成熟的货物运输量预测理论体系。
但是随着新理论，新方法的不断出现，原有的预测理论和方法体系仍需要进一步的完善。
3. 研究的基本内容与计划
研究内容：1、月度货物运输量预测的背景和意义2、我国各运输业及国外运输业的发展与现状的研究分析对比3、影响月度货物运输量因素分析4、根据影响因素与研究现状，对现有的时间序列预测模型进行优化组合5、基于月度货物运输量预测模型6、根据预测的历史数据与历史数据进行对比检验，优化模型7、利用优化的模型对未来的数据进行预测分析，提供可靠的预测数据研究计划： 时间 任务2018.12-2019.1确定研究方向，收集研究资料，制定研究方案与研究计划2019.1-2019.2 了解国内运输业发展与时间序列应用的研究现状2019.2-2019.3 对现有的时间序列预测模型进行优化与整合2019.3-2019.4 利用历史数据对组合模型进行对比分析，进一步优化模型2019.4-2019.5 利用优化的模型对数据进行预测分析，提供可更准确的预测数据2019.5-2019.6 完成总体研究，进行总结，撰写并完善研究论文
4. 研究创新点
随着现代社会科学技术更新换代的速度加快，预测的手段及方法不断的推陈出行，现阶段有着人工智能和机器学习方法的出现，为预测的准确性提供了很大的帮助。
同时在预测过程中对于不同的思考角度以及思维维度也会出现相对应的预测结果。
同时，相对于运输业的实时发展速度，采用改进优化的时间序列模型对其进行预测分析，再结合历史数据对比检验，向全方位各不同运输业领域进行局部预测分析，从而提供更为精准的数据。
