基于因果反馈分析机场旅客吞吐量预测方法研究.docVIP

基于因果反馈分析机场旅客吞吐量预测方法研究 　　摘要： 为寻求一种预测精度较高的、适应我国民用机场特点的预测方法，在机场供需分析的基础上对机场建设与社会经济发展进行了因果关系分析，提出社会经济和机场供给能力对机场旅客吞吐量的影响同样重要，进而从中提取有效数据，构建BP神经网络模型，实现经济-航空运输需求的转换，从而使预测结果更加精确。通过首都国际机场实例证明，基于因果反馈分析的BP神经网络预测方法更具有独特优势，预测精度得到了大幅提高。 　　Abstract： In order to find a prediction method with higher accuracy and suitable to our civil airports characteristics， causal relationship between airport construction and social and economic development is analyzed based on the analysis of supply and demand. Social economy and the airport supply ability is equally important in the influence of the airport passenger throughput. A BP neural network model is established through extracting data effectively to give more accurate results. Through the example of capital international airport， BP neural network prediction based on the supply and demand analysis has unique advantages and the prediction accuracy is improved greatly. 　　关键词： 机场旅客吞吐量；供需分析；预测方法；BP神经网络 　　Key words： the airport passenger throughput；supply and demand analysis；forecast method；BP-neural network 　　中图分类号：F560.81 文献标识码：A 文章编号：1006-4311（2015）16-0035-04 　　0 引言 　　随着经济全球化的发展趋势和“航空大都市”概念的提出，全国各地都把机场建设作为城市发展的重要基础设施，掀起机场建设的热潮。不可否认，机场对城市及区域经济的发展有着加速和推进的作用，但盲目新建或扩建机场也会带来土地和资金等资源浪费，不利于城市的可持续发展。因此，对制定建设机场规划布局的主要参考指标――未来若干年的机场旅客吞吐量的准确预测，是机场布局规划研究中一个的重要课题。 　　针对机场旅客吞吐量的预测问题，发达国家的预测技术[1][2][3]比较成熟，但其应用背景主要是统计规律性良好的成熟的航空运输市场，不适用于还处于发展阶段、统计规律不是非常明显的我国航空运输市场，直接套用会产生较大的预测误差，而预测误差是导致机场反复改扩建工程的主要因素，也进而带来了巨大的投资浪费。因此，在现有条件下，寻求一种预测精度较高的、适应我国民用机场特点的预测方法是非常必要的。 　　1 文献综述 　　近几年，许多学者研究建立或修正完善了机场旅客吞吐量的预测模型，主要分为两大类：线性预测和非线性预测。例如，焦朋朋[4]利用主成分分析法提取了影响机场旅客吞吐量的关键因素，建立了多元线性回归预测模型。李翠萍[5]利用灰色关联理论，对影响民航客运系统的诸多因素进行关联分析和关联度排序。屈拓[6]将灰色模型和BP神经网络相结合，形成一种机场旅客吞吐量的组合预测模型。葛折贵，葛折圣[7]等综合考虑GDP增长率、人口增长率、进出口总量等因素对航空运输市场的影响，提出利用BP神经网络对航空业务量进行预测的方法。程小康[8]考虑到经济、生活等指标与民航客运量之间存在非线性映射关系，利用训练样本与测试样本间的马氏距离对惩罚因子进行加权，改进传统的E支持向量回归机（SVR），构造了基于进化E-SVR的“影响因素-民航客运量”预测模型。赵凤彩[9]等采用分担率对区域多机场系统旅客吞吐量进行预测。上述方法对实际预测有一定的借鉴作用，但还存在一些局限性，具体为： 　　①一些模型过于依赖历史数据，没有将社会经济发展对航空运输的影响密切结合，缺乏客观性。 　　②航空客运量具有复杂