3. 建模技术及工具 - 华中科技大学管理学院.pptVIP

* * * * * * * * * * * * * * * * 案例四 航空客流预测 案例四 航空客流预测 ?????????????????????????? 鲍玉昆 华中科技大学管理学院 案例四 航空客流预测 * * 目录 研究意义 数据来源 建模技术及工具 实验过程 实验结果分析 总结 * * 1. 研究意义 准确地对航空客流进行预测是航空公司成功实现收益管理的前提，是实现定价、座位控制等决策的基础。此外，航空客流预测也是航空公司评估机场新建和改、扩建以及机队调整等项目是否值得投资的基础。因此，航空客流预测的深入研究对民航运输业的发展有着十分重要的现实意义。但是，由于航空客流具有高度的波动性、复杂性、不规则性和周期性，并经常受一些突发事件的影响，使得航空客流预测并不是一件容易的任务。 * * 2. 数据来源 在本案例中，数据集为六家来自美国和英国的航空公司的月度航空客流。 对于美国联合航空公司、美国航空公司、达美航空公司和西南航空公司，航空客流是1990年1月至2008年12月的月度数据，共219个样本点。我们取1990年1月到2006年3月的数据作为模型的训练集，用来训练各模型，剩下的数据作为测试集以评价各模型的推广性。 对于易捷航空公司和维珍航空公司，数据是1998年1月至2007年9月的月度数据，共117个样本点。我们取1998年1月到2005年9月的数据作为训练集，剩下的数据作为测试集。 * * 2. 数据来源 数据来源于美国Bureau of Transportation Statistics （ /bts/ ） 数据来源于英国Civil Aviation Authority（ http://www.caa.co.uk/ ） * * 3. 建模技术及工具 下图为达美航空公司1990年1月至2008年12月的月度航空客流序列 * * 3. 建模技术及工具 本案例采用基于经验模态分解技术（EMD）和支持向量机（SVR）的方法对航空客流序列进行建模和预测。 * * 3. 建模技术及工具 EMD的原理 EMD技术能处理任何时间序列。 基于时间序列自身的特征，通过EMD技术，原始时间序列被分解为若干个简单本征模函数（ Intrinsic Mode Function，IMF）和剩余分量。 本征模函数满足以下两个条件： 1. 极值点和过零点的数量相等或者相差为1； 2. 对于局部零均值线对称。 对所有本征模函数和剩余分量求和可得到原始时间序列。 * * 3. 建模技术及工具 EMD的优点 EMD技术能处理任何非线性和非平稳的时间序列，并把该时间序列分解为若干个简单的本征模函数和剩余分量。 在筛选的过程中，EMD算法只需要提取出时间序列的极值点 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 3. 建模技术及工具 EMD技术的筛选过程 * * 4. 实验过程 EEMD技术由Wu和Huang所提供的软件包实现 支持向量机由LibSVM软件包实现， * * 5. 实验结果分析 航空公司 名称 评价 指标 ? EMD-SVMs SVMs Holt-winters ARIMA American MAPE 1.8332 2.096 5.7316 3.1582 RMSE 141840 161874 449709 251254 GMRAE 0.2973 0.3351 0.8012 0.5268 DS 1 1 0.6087 0.739 Delta MAPE 4.552 5.4158 7.4413 6.9646 RMSE 308793 331704 403902 408285 GMRAE 0.5216 0.7141 0.8618 1.1068 DS 0.7391 0.7261 0.6957 0.6522 Southwest MAPE 1.2937 1.2956 5.8553 6.0091 RMSE 150777 151706 696873 632114 GMRAE 0.251 0.2643 0.8126 1.1055 DS 0.927 0.913 0.695 0.522 United MAPE 1.9475 2.1505