我国民航客运量影响因素分析

为了准确评估民航客运量与其影响因素之间的关系并提高预测精度,以1995-2014年我国民航客运量的统计数据为基础,通过主成分分析法选取出能反映原始指标96.532%信息量的1个主成分,建立了其与民航客运量之间的回归模型,并对回归模型进行了解释和检验。检验结果表明,主成分回归模型有较高的预测精度,预测结果较为准确。     

我国民航客运量影响因素分析

利用1990至2009年的统计数据对我国航空客运量各影响因素进行定性与定量研究。运用灰色关联理论,对影响民航客运系统的诸多因素进行关联分析,并确定出影响因素的影响程度顺序,为后续民航客运量的回归分析与预测打下基础。针对当前我国民航旅客运输业发展中面临的问题提出政策建议,提高我国民航旅客运输业的市场竞争力。     

基于灰色预测法的铁路客运量预测

对客运量发展趋势进行预测是正确制定铁路客运营销战略的前提和基础,文章运用灰色运用对某铁路局的客运量及周转量进行了预测,认为某铁路局客运量的发展趋势是逐渐降低,但降低的趋势是逐渐减少;客运周转量的发展趋势是不断增加。     

组合模型在交通需求预测中的应用——以内蒙古自治区客运量预测为例

本文对传统的常用预测模型进行了研究与分析，在此基础上综合各种模型的特点根据最优化原理建立了组合模型，结合所参与的具体项目对内蒙古自治区客运量进行预测与分析，达到了较好的预测效果，并得出利用组合模型可以提高预测精度的结论。     

组合模型在交通需求预测中的应用——以内蒙古自治区客运量预测为例

本文对传统的常用预测模型进行了研究与分析,在此基础上综合各种模型的特点根据最优化原理建立了组合模型,结合所参与的具体项目对内蒙古自治区客运量进行预测与分析,达到了较好的预测效果,并得出利用组合模型可以提高预测精度的结论.     

基于组合预测方法的“十二五”期间安徽省住房价格预测

以安徽省2001-2010年住房销售面积以及销售额为样本,采用灰色预测、三次指数平滑和BP神经网络三种预测模型,基于预测误差平方和最小为最优准则建立诱导有序加权平均算子组合预测模型,预测安徽省未来五年的平均住房价格。根据预测结果,安徽省未来五年平均住房价格以14.43%的速度增长。     

基于组合模型的浙江省GDP预测研究

区域GDP的发展趋势是高速公路规划和建设的重要参考依据。基于浙江省1978—2019年的GDP数据,分析数据特性,构建预测模型,掌握发展规律。首先,将GDP数据转化为时间序列,建立ARIMA（2,2,0）模型;其次,将GDP数据以滑动窗口的方式生成输入矩阵,建立BP神经网络模型;最后,利用ARIMA分析GDP时序的线性部分,利用BP神经网络分析GDP时序的非线性部分,建立组合模型。通过计算相对误差比较模型的预测效果,3个模型的平均相对误差分别为6.30%、13.10%、6.08%。结果表明,组合模型的平均相对误差最小,预测效果最好。     

基于循环神经网络的西北太平洋台风路径预测

西北太平洋是全球台风高发区域之一,我国每年受登录台风影响,造成沿海地区发生狂风、暴雨和风暴潮等灾害性天气,准确预测西北太平洋台风路径对我国防震减灾意义重大。 基于循环神经网络的多元时间序列预测模型,以处理好的包含中国气象局（CMA）台风最佳路径数据集和欧洲中期天气预报中心（ERA5 ）数据集两种资料的多元时间序列数据为样本,训练3种循环神经网络并预测未来 6、12、24 h 的 热带气旋（TC）中心位置。结果表明预测失效为24 h时利用长短期记忆神经网络（LSTM）模型预测E值为173.15 km,误差要远小于门控循环神经网络（GRU）模型和循环神经网络（RNN）模型,认为利用 LSTM 网络对未来 24 h TC 中心位置的预测具有可行性和参考价值。     

基于奇异谱分析的旅客运输量预测研究

对旅客运输量进行科学准确地预测,可以为交通领域相关部门提供有效的借鉴。将旅客运输量作为研究对象,基于SSA(奇异谱分析),结合LSTM(长短时记忆神经网络)和ARMA(自回归移动平均模型),通过SSA降噪处理,将旅客运输量时间序列分解为信号序列和噪声序列,分别对其进行LSTM和ARMA(2,3)建模,预测其变化趋势。通过对比单一的ARIMA(3,1,2)模型和LSTM模型的实验结果表明,SSA-LSTM-ARMA预测旅客运输量效果更好,预测精度更高。     

世界民航业的发展与中国民航的战略思考

从20世纪80年代以来,受经济全球化、发达国家放松航空管制以及向后工业化转变等一系列因素影响,世界民航业呈现出一些值得关注的态势和趋势。面对世界民航业的这些深刻变革,中国民航业必须及时加以总结思考,并采取更为积极的策略,不断提升自身实力,早日实现由民航大国向民航强国的跨越。     

民用航空发动机维修服务产品定价方法研究

介绍民用航空发动机维修类服务产品的费用构成,分析其定价考虑因素,基于作业成本法建立以客户为导向的服务产品定价及费率分配方法。结合航材支援服务产品定价案例,采用作业成本法与传统成本核算方法进行对比分析,表明作业成本法在航空发动机维修类服务产品成本计算及费用分配方面能够有效指导产品定价。     

民航飞行员情景意识影响因素研究

研究建立民航飞行员情景意识显著性影响因素模型,通过多重共线性判断模型拟合程度,建立多元线性逐步回归分析模型,得到年龄、飞行经历、沟通交流、工作负荷管理、团队协作、检查单、问题处置与决策、自动飞行、知识储备与理解、识别威胁与差错、人工操作、程序应用各因素之间不存在共线性,其中飞行经历、工作负荷管理、问题处置与决策、人工操作为重要影响因素,为各航空公司制定飞行员情景意识改进措施提供依据.     

民航绿色服务产品选择意愿的影响因素研究——基于游戏化理论

基于游戏化理论,从航空旅客视角出发,结合民航绿色服务产品,探索旅客选择民航绿色服务产品的影响因素。通过采用有序Logit回归分析法,实证分析发现,关系元素、反馈与挑战、组件元素、竞争元素显著正向影响旅客对民航绿色服务产品的选择。民航企业可以通过运用关键游戏化元素设计民航绿色服务产品,以提高旅客的选择意愿。     

基于C-D生产函数的民航运输业投入产出关系实证研究

依据我国1985年至2018年民航运输业的民航运输总周转量、民航飞行员数量和民用运输飞机架数等数据,基于Cobb-Douglas生产函数建立民航运输业投入产出数学模型,在此基础上构造向量误差修正模型对数据进行预测,并运用脉冲检验考察模型的长短期均衡和系统动态特性,结果发现：民航运输业中的投入和产出呈正相关及长期均衡关系,资本投入对产出增长的贡献作用大于劳动投入对产出的贡献作用。最后,给出了民航运输业现阶段发展的相关建议与结论。     

基于GS-LGBM的乘用车使用寿命预测研究

为准确预测乘用车使用寿命,提出基于网格搜索优化LightGBM（GS-LGBM）模型的乘用车使用寿命预测方法。通过对2014—2019年乘用车报废数据进行大量实验,并与9种流行的机器学习算法进行对比,结果表明,LightGBM在平均绝对误差（MAE）、中位绝对误差（MEAE）、均方误差（MSE）和拟合优度判定系数（R2）4项指标上均明显优于其他算法。为进一步提升模型预测精度,采用网格搜索算法对LightGBM进行参数优化构建GS-LGBM模型,效果显著提升（MAE降低11.02%）,说明该方法能够更准确高效地预测乘用车使用寿命。     

基于SCP范式的我国民航业市场现状分析

改革开放以来,我国民航业得到了长足的发展,市场规模不断扩大。但是民航业在市场化过程中并不是一帆风顺。目前,整个行业还存在市场机制不完善、恶性竞争、政策管制过严等诸多的问题。本文对目前我国的民航客运市场进行“结构—行为—绩效”即SCP分析,对我国民航客运市场的市场集中度、进入壁垒、定价行为以及市场绩效等问题进行考察分析,从而找出问题,并得出结论和建议。