基于时变模型平均方法的我国航空客运量预测

机场扩建、政策导向、经济发展等外在因素的变化常常导致航空客运量数据发生结构性改变,其模型的设定也在很大程度上存在不确定性,因此,精准而稳定地预测航空客运量变得十分困难.为了解决以上问题,本文采用了一种时变模型平均方法(TVJMA)(Sun等,2020,2012)对全国Top 5机场的客运量进行了预测研究,该方法在模型平均时基于最小化局部Jackknife准则给出了最优的权重选择,并通过非参数估计,实现了最优权重随时间变化.实证结果表明,本文所采用的TVJMA方法显著优于其它基准模型,包括Hansen和Racine (2012)的Jackknife模型平均(JMA)以及自回归模型(AR),单整自回归移动平均模型(ARIMA),季节性单整自回归移动平均模型(SARIMA)和时变参数模型(TVP)等传统方法.进一步,对不同的预测步长,TVJMA在航空客运量的预测效果同样具有稳健性.因此,TVJMA方法可以有效地降低由于航空客运量的结构性变化和预测模型不确定性等导致的预测风险,进而做出精准而稳定的客运量预测.     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

一种航空设备备件预测模型的风险评价

针对产品故障时间间隔服从指数分布、备件需求量为泊松流的航空设备备件需求量预测模型,结合概率统计的理论对用该模型预测的备件需求量所面临的保障风险和经济损失作了一定的理论探讨,并给出了相应的定量关系式。最后用一个工程实例对预测模型进行了验证,风险分析从理论上进一步完善了该模型,为其在工程实际应用提供了理论依据。     

基于可用度的飞机可修件需求分析

科学地预测飞机对航空器材的需求量一直是现代航空保障所瞩目的一个问题。提出了一种以飞机可用度为评价指标来确定可修件需求量的分析模型。分别给出了以飞机可用度为目标函数,经济指标为约束条件的模型Ⅰ和以经济指标为目标函数,飞机可用度为约束条件的模型Ⅱ,以及模型的优化求解方法。最后以某战机的可修件为例,通过实例分析说明了该模型在实际飞行保障中的有效性。     

基于航空信息网络的枢纽机场航班延误预测模型

航班延误一直是机场运营管理的一大难题，本研究报告面向区域多机场，重点针对机场集团内枢纽机场的航班延误问题，提出基于航空信息网络的航班延误预测模型NBFDM. 该模型不仅使用了航班自身的相关属性，并且还考虑了航空信息网 络内其他机场的因素对航班延误的影响. NBFDM模型首先提取航班本身的特征和该航班飞行前一段时间内航空信息网络的特征，然后使用PCA进行降维，对降维处理后的特征再使用SVR方法，得到非线性回归模型，用于预测航班的延误时间. 实验表明本研 究报告所提模型NBFDM相比仅使用航班自身属性的模型，对航班延误时间的预测误差降低约20%.     

基于非齐次泊松过程的航空备件需求研究和应用

针对航空装备的六种故障率特性,引入非齐次泊松过程,用以解决航空备件需求和预测问题。根据不同故障率曲线给出相应的故障分布模型,最后通过实际故障数据的参数估计和模型检验来确定符合该故障数据的故障率曲线,并计算具有最小维修特点的航空备件的需求量和剩余平均寿命。算例分析表明,结果更为合理,具有较大的应用价值。     

基于Elman神经网络的作战效能预测模型研究

针对军事系统作战效能预测问题,采用基于支持向量回归的指标权重挖掘方法,通过比较偏导确定影响作战效能的关键因素,将优化后的效能指标和效能值分别作为模型的输入和输出,建立基于Elman神经网络的效能预测模型。并将其应用于C4ISR系统的动态作战效能预测分析中。结果表明,该方法能够减少不确定因素的影响,在一定程度上降低了预测模型的复杂度,为科学预测军事系统作战效能提供了有效的技术支撑。     

基于CEEMD-CNN-LSTM的股票指数集成预测模型

为有效应对金融时间序列数据的高噪声、时间依赖性和非线性，本文构建了一种CEEMD-CNN-LSTM模型。该模型基于互补集成经验模态分解(CEEMD),以及卷积神经网络(CNN)与长短期记忆网络(LSTM),将原始金融时间序列分解重构为高频项、低频项和趋势项，同时应用CNN-LSTM模型分别对各分项进行预测，并将各分项的预测值集成为最终预测结果。为验证CEEMD-CNN-LSTM模型对金融时间序列数据预测的准确性和有效性，选取沪深300、标准普尔500(S&P500)股票指数收盘点数进行了实证分析。实证结果表明，CEEMD-CNN-LSTM模型能同时提取序列依赖关系和局部特征，可有效避免数据直接输入模型导致预测结果右偏等问题，与其他主流预测模型相比，其预测精度更高，预测误差显著降低。     

基于奇异谱分析的航空客运需求分析与分解集成预测模型

考虑到航空旅客运输需求影响因素复杂以及航空客运需求序列非线性非平稳等特征,本文提出了一个基于奇异谱分析(SSA)的航空客运需求分析与分解集成预测模型.需求分析阶段,首先使用SSA对航空客运需求序列进行有效分解,接着借助奇异熵理论,将序列重构为长期趋势项、中期市场波动项和短期噪声项;预测阶段,使用排列熵(PE)判断各重构序列复杂度的高低,并依据序列复杂度分别选择粒子群算法(PSO)和布谷鸟算法(CS)双优化的支持向量回归模型(SVR)或单整自回归移动平均模型(ARIMA)进行预测,结果表明,该分解集成预测模型较ARIMA、SVR等基准模型有着更好的预测性能.     

人才需求及质量预测模型

人才资源的预测与优化很重要的方面是人才资源的结构 ,需求量和人才质量 .G.J.Klirti提出系统重构分析 ,后来 B.Jonesque确定系统中起主要作用因素水平的方法 .本文建立因素重构分析预测方法和弹性系数预测方法并对天津市和电子行业 2 0 0 0年到 2 0 1 0年科学技术人才的结构 ,需求量和人才质量进行定量动态的分析和预测.     

A Demand Forecasting Method Based on Stochastic Frontier Analysis and Model Average: An Application in Air Travel Demand Forecasting

Demand forecasting is often difficult due to the unobservability of the applicable historical demand series. In this study, the authors propose a demand forecasting method based on stochastic frontier analysis(SFA) models and a model average technique. First, considering model uncertainty,a set of alternative SFA models with various combinations of explanatory variables and distribution assumptions are constructed to estimate demands. Second, an average estimate from the estimated demand values is obtained using a model average technique. Finally, future demand forecasts are achieved, with the average estimates used as historical observations. An empirical application of air travel demand forecasting is implemented. The results of a forecasting performance comparison show that in addition to its ability to estimate demand, the proposed method outperforms other common methods in terms of forecasting passenger traffic.     

基于LSTM-SVR模型的航空旅客出行指数预测

航空旅客出行的情况对民用航空机场建设与运营具有重大意义，定义了一种航空旅客出行指数，运用机器学习方法对航空旅客出行指数进行预测，克服了单一预测模型精度的不足，提出一种将长短期记忆网络(LSTM)与支持向量回归(SVR)相结合的航空旅客出行指数组合预测模型，并对预测结果集进行聚类分析。以上海机场航空旅客数据为实证，验证了LSTM-SVR组合预测模型可行性与有效性，实验结果显示：LSTM-SVR组合预测模型较传统单一预测模型具有更高的精度；同时，LSTM-SVR组合预测模型与其他组合预测模型相比也有较明显优势。此外，基于K-均值算法对航空旅客出行指数进行聚类分析并给出评级，此举为机场运营管理及旅客出行提供一定的决策支持。     

基于支持向量机方法的轨道交通乘客旅行时间短时预测方法研究

目前,北京市已建成总长456km的轨道交通网络,41个换乘枢纽,已基本形成网络化运营,轨道交通在北京公共交通系统乃至城市交通系统中发挥越来越大的骨干作用. 同时,由于北京城市空间调整,城市交通出行活动中心有随城区扩展外移之势,轨道交通出行旅行时间越来越受到关注. 因此,本文研究基于历史数据的轨道交通乘客旅行时间预测方法,引入支持向量机回归模型,并针对预测算法中模型参数的选择问题,提出基于遗传算法的预测模型参数寻优算法,用以提高预测精度. 最后选取实际轨道交通运营线路的动态信息进行计算,预测结果误差小于10%,获得了较高的精度. 生成的旅行时间预测信息,通过乘客信息系统的发布,能够有效减少旅客换乘走行与等待时间,均衡网络客流分布,提高轨道交通网络运营效率.     

我国交通运输业中旅客运输计量模型的研究

我国交通运输业中旅客运输计量模型的研究欧国立（北方交通大学经济学院，北京１０００４４）ＴｈｅＲｅｓｅａｒｃｈｏｆＰａｓｓｅｎｇｅｒＴｒａｆｆｉｃＦｏｒｅｃａｓｔｉｏｎＭｏｄｅｌｉｎＣｈｉｎｅｓｅＴｒａｎｓｐｏｒｔＵｎｄｅｒｔａｋｉｎｇＯｕＧｕｏｌｉ（...     

基于社会力模型的机场旅客排队模型

航站楼旅客出港排队服务流程研究,对航站楼根据实际运行情况配置资源、提高旅客满意度至关重要。对此,提出一种对旅客出港排队流程分析仿真的新方法。首先,通过优化社会力模型构建航站楼排队仿真模型。然后,运用Anylogic软件对南京禄口国际机场T2航站楼出发大厅旅客安检排队服务流程进行仿真。最后,通过仿真数据分析了优化模型和传统模型的运行结果差异,表明两种模型安检通道利用率和实际运行情况无明显差异,均高于96%;但优化模型队列平均长度明显小于传统模型2~3人,旅客排队等待时间及在安检系统中花费总时间的均值均明显小于传统模型100 s左右,更符合安检区域高峰时段的实际运行情况。     

粮食供给系统模型及最优策略的研究

通过建立分布参数系统模型描述中国粮食供给关于自产量及进口量的动态分布情况，包括分布密度函数的积分方程及初边值条件；探讨了以寻求社会整体福利水平最大化为目的的粮食供给控制策略；在考虑各种随机因素的基础上给出了粮食供给分布模型在生产、进口及市场需求预测方面的应用方程．可为政府制定宏观政策及供给者对资源的优化配置等决策问题提供科学的参考依据．     

交通需求非对称价格效应对比分析

交通运输对于石油产品的消耗造成的空气污染已成为我国城市及区域雾霾成分的重要来源.价格是调整供需的主要手段,且具有不对称性,研究石油产品价格变动对交通需求的不对称影响效应具有实际意义.基于此,本文通过价格分解模型,将中国、日本、美国的汽油和柴油价格分解为三部分,探讨其对各国客运需求和货运需求的非对称性影响效应.实证分析结果表明:较高的油价到目前为止并未使中国的交通需求减少,而美国和日本的交通需求与价格均为负相关关系.日本交通需求受油价变化的影响并不显著.中国和美国的客运需求对于油价变化的非对称性效应均表现为价格恢复阶段的影响最大,同时,两国的货运需求对于油价变化较客运需求都更加敏感,但交通需求对油价变化的反应与历史价格相关,美国消费者对于价格上涨的预期与中国消费者有很大的区别.     

考虑OD需求变异的网络交通流演化模型

考虑到新进入网络的交通需求不了解路径的完备信息,可能随机地选择出行路径,提出一个改进的网络交通流演化模型,并分析了该模型及其不动点的一些特性. 该模型不动点不是传统意义下的用户均衡态或部分用户均衡态,它能更好地反映现实中交通流分配结果. 格子网络上完成的数值模拟结果表明,模型可用来近似刻画实现用户均衡态的过程, 模型中初始可行路径流量可以为零, 交通流能够收敛到不动点, 但可能存在多个不动点.