- 0
- 0
- 约1.1万字
- 约 43页
- 2026-11-18 发布于上海
- 举报
content目录01研究背景与行业挑战02经典时间序列模型的应用与局限03机器学习与深度学习模型的突破04组合预测与修正建模策略05实证分析与案例比较06关键影响因素解构07未来发展方向与集成框架构建
研究背景与行业挑战01
全球航空运输在疫情后进入结构性恢复阶段,运行特征发生显著变化恢复非线性后疫情时期航空恢复呈现非线性特征,初期快速反弹后趋于波动收敛。传统线性外推方法失效,需引入动态模型捕捉阶段性变化规律。结构再平衡国际航线恢复滞后于国内,客运与货运恢复节奏错配。机场起降结构持续调整,航班波形态和高峰分布发生显著改变。需求新特征旅客出行偏好转向高频短途与弹性商务,淡旺季波动加剧。突发公共
原创力文档

文档评论(0)