面向航空公司的航线客流量预测方法研究

发布时间：2020-04-01 04:38

【摘要】：航线客流量预测是航空公司进行收益管理的决策基础,精准的预测模型能够帮助航空公司制定更准确的销售策略,以降低成本实现收益最大化。旅客订票数据蕴含大量旅客出行的航线信息,因此,在分析旅客订票数据特征的基础上,构建航线客流量预测模型,实现航线客流量的准确预测,对航空公司而言,无论是提供决策支持还是提高经济收益都有很大的现实意义。不同时段的航线客流量表现出不同的特征,因此,本文将航线客流量分为航线淡季、旺季、节假日三个时段分别进行预测,航线淡季客流量波动性相对平稳,通过分析客流量特征发现,航线淡季客流量表现出平稳非线性特征,且进一步分析发现,航线淡季客流量具有较强的DOW(Day of Week)特性,故提出采用运用DOW策略进行预测。实验表明,与ARMA(Autoregressive Moving Average Model)模型相比,本文提出的结合DOW策略的BP神经网络模型具有更高的预测精度和更小的误差波动范围。航线旺季客流量波动性较强,但规律性不强。通过相关性分析发现,平均折扣率与航线旺季客流量呈现出负相关关系,因此本文首先在分析客流量特征的基础上,将平均折扣率作为影响因素引入到客流量预测中,其次,运用灰色理论弱化数据的随机性,使数据呈现一定的规律,故提出了基于灰色神经网络模型对航线旺季客流量进行预测,实验表明,该模型相比于传统的BP神经网络模型和灰色模型,能够取得更高的预测精度。由于节假日旅客探亲、旅游等出行需求的增加,航线节假日客流量波动更加剧烈,且节假日数据相对较匮乏,传统的客流量预测模型需依赖大量的旅客出行历史数据,因此,本文提出了基于迁移AdaBoost的航线节假日客流量预测模型,通过定义二元关系网络表示航空公司的航线网络,并定义起飞机场和目的机场的正负出入度、公共邻居数及度中心性等构造航线属性,然后利用迁移学习方法将相似航线属性迁移到目标航线的属性中,再运用AdaBoost算法对航线节假日客流量进行预测。实验结果表明,针对数据相对匮乏的节假日航线客流量预测,本文提出的模型具有更强的预测稳定性和更高的预测精度。
【图文】：

旅客运输量,民航

第一章绪论及意义济的迅速发展和人们生活水平显著的提高，人们消费出行逐渐成为人们远距离出行的首要选择。根据我对国内民航旅客运输量的统计如图 1-1 所示，自 20长 11.5%，2017 年我国旅客出行人次更是达到 49611显著的上升趋势。4.96旅客运输量比上年增长

灰色神经网络,模型流,数列,输入参数

图 4-1 灰色神经网络模型流程图一次累加后生成的数列(1)tX 表示为(1)X (t ) (1) (1) (1)1 2 2 3 1( ) ( ) ( ) ( )n nt b X t b X t b X t = + + +(1), ( )n X t为网络输入参数；(1)1X ( t )为网络输为 (1) (1) (1)1 2 12 3(1) (1) (1)2 12 3(1) ( ) ( ) (( ) ( ) ( )nnnnb b bX t X t X a a ab bX t X t X ta a + + + 。(1) 1(1)3( ) ( )nnbX t X t a + +
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V354

【相似文献】