机场业务量预测方法.ppt

思想:首先选择若干个样本作为聚类中心,再按照事先确定的聚类准则进行聚类.在聚类过程中,根据聚类准则对聚类中心反复修改,直到分类合理为止. 又称为C-均值聚类,是根据函数准则进行分类的聚类算法, 使聚类准则函数最小化. 预测基本原理 预测建模步骤 ( 1 ) 进行动态聚类分析 设所考察的问题 有 p 项指标解释 变量 X = ( x 1 , , ,x p ) , 选择样本, 得到 n 个样品的观测值 X i = ( x i 1 , , , x i p ) , i= 1 , , , n , 构建样本数据矩阵, 记为 样品 f 、 g 之间的相似性用欧氏距离度量, 其表达式为： 指定聚类数目, 确定初始类中心, 对样本进行聚类。其聚类准则为: 假设将 n 个样本 x j ∈RN( j = 1 , , , n) 分成 c类, 对 i = 1, , , c 和 j = 1, , , n, 我们定义 则矩阵 L = ( Li j) 具有如下性质 设 n i 表示第i 类中所包含的样本个数, 则 设 x ∈RN表示第 i 类的中心, 则 所以第 i 类的类内差异为 即整体类内差异为 动态聚类分析的目的就是寻找 L*= ( Li j*) 使得 S ( L )取得最值,即 聚类终止条件为: 第一, 迭代次数。 第二, 类中心点偏移程度。 ( 2 ) 建立多元回归预测模型 多元线性回归预测的数学模型是: 根据历史样本( y 1 , x t 1 , , , x t p ) ( t = 1, 2 , , , n) 用最小二乘法估计未知参数,求得的回归方程为 ( 3 ) 模型检验 回归方程的拟合优度检验 回归方程的显著性检验 回归系数的显著性检验 残差分析 模型实例应用及分析 表 1 类比机场 影响以上地区航空运输的因素主要有地区GDP、 社会固定资产投资总额、 进出口贸易总额、人均 GDP、人口密度、旅游人数等。 将其作为机场动态聚类分析的 6 项指标解释变量, 依顺序记为 X = ( x 1 ,, , x 6) ; 选取表 1 中 2 5 个样本 2007 年的统计数据作为基础观测值 X i = ( x i 1 , ,, x i 6 ) , i = 1, , , 25 , 构建如下多元样本数据矩阵： ◆选择相似机场样本 ◆机场样本聚类结果及分析 表 2 首次动态聚类统计结果 表 3 二次动态聚类统计结果 表 4 方差分析( 聚类数= 5) 回归预测模型的建立 搜集阿勒泰机场历年( 2001- 2007)的旅客吞吐量和指标数据, 其中, 被解释变量旅客吞吐量用Y 表示, 解释变量地区 GDP、 固定资产投资、 进出口总额、人均 GDP、 人口密度、 旅游人数分别用 X 1 X 2 、X3、X4、X5、X6表示。 采用 SPSS 软件, 通过对解释变量与各个被解释变量的相关分析, 可剔除 X3 对剩余变量的散点图逐一进行曲线拟合, 经变换, 可建立 l nY 与( X 1)- 1、 l n( X 2 ) 、 ( X 4)- 1、 X5、 ( X 6)- 1之间的多元线性关系 求得回归线性预测方程为 预测结果拟合检验 表 5 阿勒泰机场 的旅客吞吐量实际值与预测值比较 图 1 阿勒泰机场的旅客吞吐量拟合散点图 从图可以看出, 此模型的拟合程度良好, 可用于莎车新建机场的旅客吞吐量预测。 莎车新建机场旅客吞吐量的预测 利用模型 y ^ = e- 2. 771 * ( X4 )- 1+ 14. 94 3及对莎车地区的参数的预测结( 常规方法可获得) , 对莎车新建机场旅客吞吐量的预测结果见下表 7。 表 7 莎车新建机场旅客吞吐量预测结果 谢谢！