基于收益管理复合预测研究

《基于收益管理复合预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：堑主仫鱼垒堕鱼主鱼企丝盟l塑宝作者签名：查丞塑日期：2全!三年—￡月—￡日大连理工大学硕士学位论文摘要随着全球旅游市场规模的不断增长，全球分销系统(GDS)日益渗入到人们的交通、住宿、餐饮、娱乐等生活的各个领域，

2、旅游市场竞争空前激烈。依照中国对外开放的承诺，以Amadeus、Galileo、Sabre和Worldspan为代表的欧美GDS正逐渐进入中国市场。收益管理理论的研究和应用有效的推动了欧美航空业和旅游业在管理和经营水平上质的飞跃，并逐步成为企业的核心竞争力。国内GDS在收益管理方面的应用不多。为了应对激烈的竞争环境，构建我们自己的收益管理系统迫在眉睫。顾客需求预测是实施收益管理的基础。本文首先回顾了收益管理的发展历史，接着总结了当前流行的收益管理预测算法，如移动平均法、指数平滑法和增量法等，并分析了这些算法的特点。大多数预测算法都是基于确定的数学模型，无法描述现实世界中顾客的随机行为

3、，因此具有较大的误差。基于此，本文提出了以概率论为基础的蒙特卡罗模拟法和霍尔特指数平滑法的复合算法，将预测问题转化为了概率统计模型，并借助随机试验来模拟顾客的随机行为，从而有效地解决了顾客的随机性问题。另外本文的复合预测算法还能够预测顾客停留的天数和团体预订情况，这在其他算法中是不具备的。最后本文针对中航信航旅通酒店分销平台进行了实例研究，试验的数据来自于航旅通酒店分销平台大连地区代理人2010年至2012年的酒店预订记录。本文在同一数据集上实现了移动平均法、指数平滑法、加法增量法、乘法增量法和本文提出的复合法。计算机模拟结果表明，复合法具有最高的预测精度和稳定性，平均绝对百分比误差

4、(MAPE)为19％，而其他预测算法的平均MAPE均在21％以上。关键词：预测；收益管理；蒙特卡罗模拟；霍尔特指数平滑法；基于收益管理的复合预测研究CompoundPredictionResearchBasedonRevenueManagementAbstractW曲thegrowingscaleoftheglobaltourismmarket，globaldistributionsystem(GDS)areincreasinglyinfiltratedintoallareasofpeople’Slife，suchastransport，accommodation，cateringa

5、ndentertainment．ThecompetitionoftourismmarketiSfiercerthaneverbefore．InaccordancewiththecommitmentofChina’sopeningtotheoutsideworld．theGDSsofforeignsuchasAmadeus，Galieo，SabreandWordspanaregraduallyentertheChinesemarket．Theresearchandapplicationofrevenuemanagementtheorypromotetheaviationandtouri

6、smindustriesinEuropeandtheUSaqualitativeleapinthemanagementandoperationlevel，andgraduallybecomethecorecompetitivenessofenterprises．TherefewapplicationsoftherevenuemanagementindomesticGDS．Inordertodealwiththefiercecompetitiveenviroment，tobuildOurownrevenuemanagememsystemisimminent．Customerdemand

7、forecastingiSthebasisfortherevenuemanagement．TlliSpaperfirstreviewsthehistoryofthedevelopmentofrevenuemanagemem，andthensummarizesthecurrentpopularrevenuemanagementpredictionalgorithms，suchasmovingaverage，exponentialsmoothing．andin