基于多预测模型的机票价格预测

发布时间：2024-12-09 23:26

　　随着民航业的高速发展,选择乘坐飞机出行的民众越来越多。在政府放松管制航空业之前,票价往往由航空里程决定。如今,在自由市场经济的条件下,航空公司一般从自身利益出发,综合各方面因素来决定机票的价格,从而实现收益最大化。对于航空公司而言,票价预测技术能够帮助公司盈利;对于购买者而言,票价预测技术能够预判最低票价出现在何时,以便购买者在合适的时间购买机票。因此,票价预测技术对机票的供需双方而言都具有重要的意义。在上述研究背景下,本文使用从旅游网站上抓取到的价格数据,对票价的特点及影响因素进行统计分析,并利用时间序列、机器学习等相关理论针对长短期不同情形分别提出票价预测模型。首先,对数据进行预处理以及对票价影响因素进行分析。第一步,通过数据预处理的各种方法获得高质量的数据集,同时基于机票价格序列的特性,引用了一种新的二维价格表。第二步,分别从自身价格序列和外部影响因子两方面,探索对未来价格有影响的因素,并进行了特征提取。利用随机森林对特征重要性进行评估并筛选变量,最终确定了提前购买天数、航班号、起飞日期的星期属性等影响票价的特征。随后,本文针对不同情形分别提出长期票价预测模型和短期票价预测模型。长...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究目的与意义
    1.3 国内外研究现状
    1.4 研究内容与结构安排
第二章 票价预测的理论基础
    2.1 支持向量机
        2.1.1 线性类型的支持向量机
        2.1.2 非线性类型的支持向量机
        2.1.3 支持向量回归机
    2.2 随机森林
        2.2.1 决策回归树
        2.2.2 随机森林实现过程
        2.2.3 袋外数据估计
    2.3 时间序列
        2.3.1 时间序列分解
        2.3.2 SARIMA模型
    2.4 本章小结
第三章 数据处理与分析
    3.1 数据预处理
        3.1.1 数据采集
        3.1.2 数据表示
        3.1.3 票价数据预处理
    3.2 影响因素分析
        3.2.1 自身价格特征提取
        3.2.2 外部因素特征提取
        3.2.3 特征选择
    3.3 评价指标
    3.4 本章小结
第四章 基于改进支持向量机和随机森林的长期票价预测
    4.1 基于PSO-SVR的长期票价预测
        4.1.1 粒子群优化算法
        4.1.2 模型建立
        4.1.3 实验结果
    4.2 基于随机森林的长期票价预测
        4.2.1 参数优化
        4.2.2 模型建立
        4.2.3 实验结果
    4.3 基于PSO-SVR-RF并联组合模型的长期票价预测
        4.3.1 并联组合模型
        4.3.2 实验结果
        4.3.3 对比分析
    4.4 本章小结
第五章 基于改进SARIMA的短期票价预测
    5.1 串联组合模型
    5.2 基于SARIMA-RF的短期票价预测
        5.2.1 模型建立
        5.2.2 实验结果
        5.2.3 对比分析
    5.3 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 未来展望
参考文献
致谢



本文编号：4015235