航线收益影响因素与预测方法研究

论文摘要

掌握航线收益影响因素、准确预测航线收益是航空公司制定及调整商务策略的重要前提。本文旨在通过对航线收益影响因素和预测方法的研究建立一套基于因素选择和径向基函数神经网络（RBFNN）的航线收益预测模型以提高航线收益预测的精度。论文首先从宏观、微观层面研究影响航线收益的因素,其中重点分析了区域经济发展水平、运价水平、航线运力的投放规模及结构特点等要素对航线收益的影响,提取了客座率、旅客数、票价水平、座位数、班次、GDP等影响航线收益的关键指标;然后在对常规的移动平均法、指数平滑法、灰色预测法、回归分析法、BP神经网络预测方法的优缺点进行系统分析的基础上,运用基于径向基函数的神经网络（RBFNN）模型研究航线收益预测的可行性和关键技术的实现;最后论文以北京-成都航线为例进行了实证预测,针对选定的影响因素构造径向基函数神经网络对航线收益进行预测,结果显示该方法预测精度较高,用于航线收益预测有较强的适应性,对于航空公司设计并调整商务策略具有一定的指导意义。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 问题的提出
• 1.1.1 研究背景
• 1.1.2 研究目的
• 1.1.3 研究意义
• 1.2 国内外的研究现状
• 1.2.1 国内研究现状
• 1.2.2 国外研究现状
• 1.3 论文研究方案
• 1.3.1 研究内容
• 1.3.2 论文构思与思路
• 1.3.3 研究方法
• 第二章 航线收益影响因素分析
• 2.1 航线收益影响因素概述
• 2.1.1 客运量影响因素
• 2.1.2 直接影响收益的因素
• 2.2 影响航线客运量的微观因素
• 2.2.1 航班时段
• 2.2.2 其它时间周期
• 2.2.3 机型
• 2.2.4 航班频率、班次
• 2.2.5 可用座位数
• 2.3 影响航线客运量的宏观因素
• 2.4 影响航线客运量的其他因素
• 2.5 航线收益的直接影响因素
• 2.5.1 票价水平
• 2.5.2 客座率
• 2.5.3 收益管理
• 2.5.4 其他
• 2.6 本章总结
• 第三章 航线收益预测方法研究
• 3.1 预测方法研究和选择
• 3.1.1 移动平均法
• 3.1.2 指数平滑法
• 3.1.3 灰色预测法
• 3.1.4 回归分析法
• 3.1.5 小结
• 3.2 人工神经网络
• 3.2.1 人工神经网络原理
• 3.2.2 BP 神经网络原理
• 3.2.3 BP 神经网络固有缺陷
• 3.3 径向基函数神经网络
• 3.3.1 概述
• 3.3.2 径向基函数神经网络原理及算法
• 3.3.3 RBFNN 优点概括
• 3.3.4 RBFNN 计算机实现
• 3.4 本章总结
• 第四章 实证研究
• 4.1 背景介绍
• 4.2 数据收集及模型构造
• 4.2.1 模型输入输出确定
• 4.2.2 数据初步处理
• 4.2.3 RBFNN 预测模型的参数确定
• 4.2.4 预测模型误差检验
• 4.3 成都-北京航线收益预测
• 4.3.1 RBFNN 实证预测
• 4.3.2 结果分析
• 4.4 本章总结
• 总结
• 参考文献
• 攻读硕士学位期间取得的学术成果
• 致谢