基于BP神经网络的民用飞机交易价格预测

《基于BP神经网络的民用飞机交易价格预测》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、第35卷第3期2017年6月中国民航大学学报JOURNALOFCIVⅡ。AVIATl0NUNIVERSITYOFCHINAV01．35No．3June2017基于BP神经网络的民用飞机交易价格预测盛鸣剑1,27张康2(1．南京航空航天大学航空宇航学院，南京210016；2．中国商用飞机有限责任公司，上海200126)摘要：交易价格是航空公司及飞机金融租赁公司采购民用飞机时关注的重点。目前，预测民机交易价格的模型并不多。较多采用回归分析法，一般局限于对新机价格的估算。针对这一问题，综合考虑影响价格的多个特征参数，将飞机机长、翼展

2、、机高、最大起飞重量、最大商栽、航程、巡航速度、客座数、货运能力、发动机推力、机龄等输入模型，尝试建立一种基于BP神经网络的民机交易价格预测模型。使用行业交易样本数据对神经网络模型进行训练校准，并对模型进行了仿真验证。实例证明，BP神经网络模型具有良好的数据规律发掘能力和预测能力。用其进行民机交易价格预测是可行的。关键词：神经网络：民用飞机：交易价格：预测中图分类号：F560；V271．1文献标志码：A文章编号：1674—5590(2017)03—0049—05Researchontransactionpriceforecas

3、tingofcivilairplanebasedonBPneuralnetworkSHENGMingfianu，ZHANGK帆季(，．CollegeofAerospaceEngineering,NanjingUniversityofAeronautics&Astronautics，Nanjing210016，Chino；2．CommercialAircraftCorporationofChinaLtd．，Shanghai200126，China)Abstract：Thereisnowapriorfocusontransacti

4、onpricesinpurchasingcivilairplanesbyairlinesandairplanefinancialleasingcompanies．Fewinvestigationshavebeenconductedinordertodeveloppredictionmodelsofcivilairplanetransactionprice，whilemostofthoseproposedmodelsarebasedonavarietyofregressionanalysismethodswhichareusua

5、llylimitedtotheestimationofpricesofbrandnewairplanes．Inthecurrentstudy，apredictionmodelofcivilairplanestransactionpricesbasedonBPANN(artificialneuralnetwork)isestablished，selectinglength，wingspan，height，maximumtake—offweight，maximumpayload，range，cruisingspeed，seatnu

6、mber，capacityofcargo，thrustofengineandageastheinputsoftheforecastingmodel．TheBPANNmodelistrainedandcalibratedusingselectedtransactionsampledata，andisthenvalidated．Resultsshowthatithastheabilitytogeneralizeregulationsofdataandpreciseprediction．Itisthusfeasibletobeuse

7、dforpredictingairplanestransactionprices．Keywords：neuralnetwork；civilairplane；transactionprice；forecasting民用飞机一直是航空运输企业及飞机金融租赁公司最重要的资产之一。与企业的其他资产相比，其显著特点便是资金占用率高。因此，交易价格是航空公司及租赁公司采购民用飞机时关注的重点。根据世界主要民用飞机制造商的预测¨_21，未来20年间(2015—2034年)全球民用飞机需求量将达到32585—38050架，市场价值约为4900

8、0～55700亿美元，平均单机交易价格将高达1．5亿美元。国内不少学者对飞机价格预测进行了相关研究。李寿安等13对军用飞机采购价格诸多费用驱动因子进行了筛选，并应用PLSR(partialleastsquaresregression)对其进行了回归分析，建立价格预测模型。李占