民航客运收益管理预测技术研究.pdf

《民航客运收益管理预测技术研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、分类号；——密级：——UDC：——学号：鲤8Q3Q!鲤中国民用航空学院硕士掌位论文民航客运收益管理预测技术研究研究生姓名：醴导师姓名：壑些富熬撞申请学位级别管理堂亟±学科专业名称垒些鳘堡芏所在院系篷理堂医论文答辩日期2Q盟生!旦)．旦2005年2月21日中国民用航空学院硕卜学位论文摘要在民肮客运收益管理的发展过程中，预测一直是研究的热点问题之～。预测是航空公司收益管理中重要的组成部分之一，是定价、座位优化(分配各个等级的座位)等决策的基础。从某种意义上说，预测能力和水平的高低，直接影响到收益管理系统的有效性。论文的重点是预测模型和方法的分析研究，首先概述了收益管理预测技术研究的发展历史和现状，

2、接下来围绕着预测的主体、客体和依据等问题来展开。预测的主体就是谁来预测，就收益管理而言是航空公司的预测人员；客体即为预测的研究对象，收益管理的基本研究对象是航班航段等级的旅客需求，分析了旅客需求特征和影响因素，订座过程中航空公司提供的服务，旅客的行为特点，最终订座和当前订座的关系等问题；预测的理论依据是订座曲线，即订座数据分析，通过对收益管理数据信息的详细分析，介绍了保障预测模型运行的基础数据结构和系统设置；重点介绍的预测技术限定在微观水平的短期定量分析，每种技术都有各自的应用背景，为了进行分析与评价，分别描述了当前在航空公司中实施的具有代表性的时间序列法，线性回归法，增量法，PROS预测模型

3、等预测技术。本文的研究成果主要体现在以下方面：预测过程是收益管理预测决策实现的不可或缺的环节，论文对其各个阶段进行了描述。系统地叙述了收益管理需求预测的统计研究方法，分析了各静方法的特点和适用条件，对选定的预测模型和方法代入数据进行具体计算，比较完整的归纳总结可以作为进～步开展收益管理预测技术研究与应用的工作基础。首次提出了民航收益管理巾的分类预测的设想，并对预测模型提出了改进建议。关键字：收益管理预测技术需求订座数据无约束化增量中国民用航窄学院硕十学位论文AbstractForecasthasbeenoneofthehottopicsinstudyingtherevenuemanagemen

4、tofairpassengertransportation．Itisthebaseofmakingpolicies，suchasfixingaprice，allottingseatsofdifferentclasses．Beingoneimportantpartofrevenuemanagement，forecastdirectlyaffectsitseriectiveness，tosomeextent．Thethesisemphasizestheanalysisandstudyoftheforecastmodelsandmethods．Firstitintroducesthehistorya

5、ndpresentconditionsofpredictingtechniquesontherevenuemanagement，andthenittalksabouttheforecastsubject，objectandbasis．Thesubjectiswhotopredict，thatisthepredictingstafffromairlinesonrevenuemanagement．Theobjectisthepredictingobjectsofstudy,thatisthepassengerdemandsfordifferentflightsandtimetable．Thethe

6、sisanalyzesthecharactersandaffectingfactorsofpassengersdemands，moreover,itstudiestheservicesfromairlinesatreservation，aswellasthebehaviorcharactersofairpassengersandtherelationsbetweenultimatereservationsandcurrentreservations．Thetheoreticalbasisofforecastisthereservationcurve，thatisthedataanalysiso

7、freservation．Accordingtothedetailedanalysisofdataonrevenuemanagement，itintroducesthebasicdatastructuresandsystemsettingsthatguaranteetheoperationofforecastmodels．Onpredictingtechnology,itstressesshort