基于机器学习的航空收益管理需求预测算法的研究与实现

发布时间：2021-03-11 13:07

　　航空业在国家综合交通体系中具有不可替代的作用和地位,航空业的发展是一个国家经济发展的重要体现。近年来,我国民航业蓬勃发展,航空公司之间竞争日趋激烈,开发智能高效的收益管理系统成为航空公司在市场竞争中取胜的关键。作为收益管理系统中的核心部分,需求预测是系统进行后续的舱位优化配置、存量控制以及动态定价的基础。准确的需求预测是航空公司进行正确决策和提高收益的关键所在。需求预测的影响因素众多:航空订座数据本身符合一定时间序列趋势,同时又受天气因素、突发事件因素、航空公司之间的竞争等因素的影响。现有需求预测模型大多只考虑单一维度的影响因素,无法将多维度信息融合起来建模分析。并且,现有对需求预测的研究大多集中在航班最终成行人数的预测上,忽略了对航班预售期内每日订座数的成长预测。而对预售期内每日的累积订座数的预测,是实际生产场景中航空公司做出相应调控手段的重要依据,具有重要的实际应用价值。针对上述问题,结合航空公司实际需求,本文对航班预售期内每日的订座数成长预测和航班最终成行人数（航班起飞时的总订座数）预测这两种场景分别进行深入研究,提出了相应算法,并在国内某航空公司的真实订座数据上验证了所提算法的... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

佗人工神经网络模型图

３．１．１循环神经网络??循环神经网络（ＲＮＮ）是在传统的人工神经网络的基础上发展出来的一种??神经网络模型，其网络结构如图３－１所示。??ｙ?ｙｉ?ｙ２?ｙｎ??“ｖ?、?Ａ?！??ｆ＞ｈｌ＾＞ｈ＾＞?－ｈｎ：１＾ｇ）ｈｎ??ｕ?｜ｕ?，ｕ?（ｕ??Ｘ?Ｘ１?ｘ２?ｘｎ??图３－１循环神经网络结构图??如左图所示，ＲＮＮ的网络结构可以看成是一个简单的３层网络的多次循环??重复，将其展开可得右图的ＲＮＮ完整结构图，展开后的每一个３层网络代表一??个时刻。其中圆圈代表的隐藏层结构是＿的核心部分，当前时刻隐藏层的输??入不仅包括当前输入层的输入还包括上一时刻的隐藏层的输出。通过这种链式结??构，ＲＮＮ可以不断地将上一时刻的信息传递到下一时刻。ＲＮＮ的这种结构，使??１７??

解决这个问题，ＬＳＴＭ对传统＿的输入层到隐藏层之间的循环结构进行改进，??通过引入细胞状态信息这一变量并且增加输入门、忘记门和输出门３个门控结??构，克服了＿模型训练时的梯度消失问题。其网络结构如图３－２所示，图中??仅绘制了一个ＬＳＴＭ单元。??ｃｔ－ｌ?￣?Ｃｔ???？．：ｘ：?＋??？??Ａ?Ａ??＿??ｔａｎｈ??￣??？?ｘ??ｆ，?ｋ．??Ｏ?ｔａｎｈ?Ｏ??ｈｔ－ｉ?Ｉ?１?〇，?ｔ?ｈｔ???？????Ｏ?ｒ—＾＞＜Ｘ：?？??Ｘｔ??图３－２长短时记忆网络结构图??图中阴影部分代表一个ＬＳＴＭ单元，该ＬＳＴＭ单元接收上一时刻的细胞状??１８??

【参考文献】：
期刊论文
[1]基于支持向量机回归算法的航空公司客流量预测研究[J]. 演克武,朱金福.  企业经济. 2010(03)
[2]基于ARIMA与人工神经网络组合模型的交通流预测[J]. 谭满春,冯荦斌,徐建闽.  中国公路学报. 2007(04)
[3]基于BP神经网络的航班需求预测模型[J]. 王兴云,樊玮,吴桐水,池宏.  中国民航学院学报. 2004(06)

博士论文
[1]邮轮收益管理：需求预测与收益优化[D]. 孙晓东.上海交通大学 2011
[2]基于K线博弈的民航收益管理[D]. 席卫东.南京航空航天大学 2006
[3]航空公司收益管理理论、应用与创新研究[D]. 张永莉.天津大学 2005

硕士论文
[1]基于小波神经网络模型的民航旅客流量预测研究[D]. 朱倩.北京交通大学 2014
[2]GA-SVM研究及在航空客流量预测中的应用[D]. 赵雷.云南大学 2012
[3]国内航空公司收益管理的应用和研究[D]. 潘海莹.厦门大学 2007



本文编号：3076510