组合模型在机场旅客吞吐量预测中的应用

《组合模型在机场旅客吞吐量预测中的应用》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、29卷第4期计算机仿真2012年4月文章编号：1006-9348(2012)04-0108一04组合模型在机场旅客吞吐量预测中的应用屈拓(西安交通大学电子与信息工程学院，陕西西安710049)摘要：研究机场运输优化控制问题．机场旅客吞吐量受到政治、经济、节假日、票价和天气等多种因素影响，具有周期性和非线性变化特点，传统单一预测方法只能描述其部分变化规律。预测精度低。为r提高机场旅客吞吐量预测，将灰色模硝和BP神经网络相结合。形成一种机场旅客吞吐量组合预测模璋!。首先组合预测模型利用灰色模型对线性变化部分进行

2、预测。然后采用BP神经网络对非线性变化部分进行预测，并对预测误差进行补偿。仿真结果表明，组合模型，解决了单一预测模型存在的缺陷，提高-r机场旅客吞吐量预测精度，为机场旅客吞吐量预测提供一种新的思路。关键词：组合模型；机场旅客；吞吐量；预测中图分类号：P258文献标识码：BApplicationofCombinationModelinAirportPassengerThroughputPrediction0UTuo(CoUegeofElectronicsandInformationEngineering，Xi

3、’allJiaotongUniversity，Xi'anShanxi710049，China)ABSTRACT：StudytheopfimMcontrolproblemofairporttransportation．Airportpassengerthroughputisaffectedbypolitical，economic，holidays．faresandweatherandotherfactors，hasperiodicityandnonlinearcharacteristics．Thetradit

4、ionalsinglepredictionmethodscarIonlydescribethepartofitsvariation．andtheaccuracyofpredictionislow．Inordertoimprovetheairportpassengerthroughputprediction，greymodelandBPneuralnetworkswerecombinedtoformacombinedforecastingmodelofairportpassengerthroughput．Th

5、ecombinedforecastingmodelusedgraymodeltopredictlinearchangepart，andthentheBPneuralnetworksWasusedtopredictthenonlinearvariationrule．Final-ly，theBPneuralnetworkwasusedtocompensatetheforecasterror．Thesimulationresultsshowthatcombinedmod-elhassolvedthedefects

6、ofthesinglepredictionmodelandimprovedtheairportpassengerthroughputpredictionaecu—racy．Itprovidesanewthoughtfortheairportpassengerthroughputprediction．KEYWoRDS：CompositepaRem；Airportpassenger；Throughput；Forecastl引言随着全球化经济的一体化，我国民用航空事业得到了高速发展，各机场都在有计划的进行扩建，来

7、满足人流量日益增加的要求⋯。对于机场建设而言，未来若干年机场旅客吞吐量是制定建设机场规划方案的主要参考指标，因此对机场旅客吞吐量进行准确预测，是机场运输管理研究中一个的重要课题旧J。针对机场旅客吞吐量预测问题。发达国家研究比较成熟，但是国外航空运输市场比较稳定。具有非常好的统计规律，而我国航空运输市场还远不成熟．统计规律并不明显，因收稿日期：2011—10—03·--——108—--——此利用国外预测技术对我国机场旅客吞吐量进行预测，难以获得可靠预测结果"o。近几年，国内一些学者对机场旅客吞吐最预测进行广泛

8、的研究，提出一些预测方法，并取得一定的成果。预测方法分为两大类：线性理论和非线性理论预测算法。基于线性包括时间序列模型、灰色模型等，这些模型都是从机场旅客吞吐跫时问序列本身挖掘有用的信息，取得较高的预测精度Hjl，但是它们只能对机场旅客吞吐量线性变化规律进行准确分析和预测，不能对非线性变化趋势进行反映，预测精度有待进一步提高№J。非线性预测方法主要有神经网络、支持向邑机等模型，这些模型可以对输入与输出之间非线性关