旅客吞吐量对某机场污水处理厂的影响

为研究旅客吞吐量对某机场污水处理厂运行效果的影响,选取该污水处理厂2021—2023年的各项监测指标,包括水量、水质、活性污泥和现场调控工艺等开展研究。结果表明,该污水处理厂各类指标均受到不同程度的影响。其中,处理水量、水质指标总磷和总氮、微生物种类受旅客吞吐量的影响较大。经过工艺的调整,使得2021—2023年的各项出水指标良好,整体运行稳定。

基于K-means聚类的南通新机场旅客吞吐量预测

以南通新机场为例,通过K-means聚类分析,从与南通新机场规模相近、所在城市规模相似的已通航机场中得到最合适目标,分别通过移动平均法与计量经济法预测南通新机场短期旅客吞吐量,并通过2021年预测数据与真实数据的对比,验证方法的准确性。

基于支持向量回归的旅客吞吐量预测研究

在分析现有机场旅客吞吐量预测方法不足的基础上,利用基于结构风险最小化原则的支持向量回归方法,建立了机场旅客吞吐量预测模型。通过实际数据的检验及与BP神经网络等方法的预测结果相比较,证明应用支持向量回归方法对机场旅客吞吐量进行预测具备可行性,同时具有较高的预测精度。

机场旅客吞吐量的人工神经网络预测方法

利用人工神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性 ,突破传统上基于统计学原理进行机场旅客吞吐量预测的限制 ,设计了具有成都双流国际机场特点的、低成本的机场旅客吞吐量的人工神经网络预测模型 ,经过 BP网络预测软件运行检验 ,并与该机场以前采用的定量预测方法的综合比较 ,证明在该机场应用 BP网络预测方法不仅可行 。

基于逆向重力模型的枢纽机场旅客吞吐量估计方法

为了利用航空OD客流数据精确估计机场旅客吞吐量,描述了全连通线性航线网络和枢纽辐射航线网络,根据枢纽机场之间的OD客流矩阵,建立了逆向重力模型标准代数算法和基于哈密顿图原理的简化代数算法,分析了在不同距离修正指数下,算法的拟合与估计精度。分析结果表明:简化代数算法与模型标准代数算法最优吞吐量回归直线的可决系数都为0.84,斜率分别为0.91和0.87,比较接近。可见算法的拟合效果优良,估计精度高,且简化代数算法需要的数据少,尤其适合大规模OD矩阵分析。

中国区域多机场系统旅客吞吐量预测方法研究

随着航空运输业的发展,区域单一枢纽格局被打破,区域性枢纽和次枢纽逐渐形成,进而产生区域多机场系统。对影响旅客在区域多机场系统中选择机场时的主要因素进行了分析,并以上海、杭州为中心的区域多机场系统为例,根据旅客选择机场的偏好,确定了三方面主要影响因素——机场的航班状况、航空运输票价水平和机场服务质量,运用多项式logit(MNL)模型对区域多机场系统中各机场分担率,以及相应旅客吞吐量的预测方法进行了研究,为未来机场预测体系的建立提供了定量分析的方法和思路。

机场旅客吞吐量预测的组合方法研究

为提高机场旅客吞吐量预测的准确性,在综合计量经济法和时间序列预测方法各自优点的基础上,采用组合预测方法,使用多元线性回归模型确定组合预测方法的权重.以北京首都国际机场1994～2004年的旅客吞吐量为例,组合预测方法的平均拟合误差为3.36%.结果表明:组合方法总体上具有较高的预测精度和稳定性,既优于传统的计量经济法,也优于时间序列预测方法.

机场旅客吞吐量的影响机理与预测方法研究

旅客吞吐量的预测对于机场的建设和管理具有重要的意义 ,而目前多数预测技术都不适用于我国尚不成熟的航空市场 .本文从可能影响机场旅客吞吐量的若干因素出发 ,采用主成分分析法提取了最关键的因素 ,剖析了机场旅客吞吐量的内在影响机理 ,并且提出了基于影响机理的预测模型 .以北京首都机场的旅客吞吐量预测为例进行了应用研究 ,采用趋势分析法对预测结果进行了检验 .结果表明 ,模型能够较准确地预测出机场的旅客吞吐量 .

通航城市民航旅客吞吐量预测模型

民航旅客吞吐量的科学预测是确定机场建设规模和建设时机的重要前提条件。为构建适用于新建机场的客流预测模型,提高模型的预测精度,在考虑社会经济发展水平对通航城市民航旅客吞吐量影响的同时,引入航空网络结构的相关指标,比传统预测模型更为全面。对预测模型的不同构造形式进行了系统的比较分析,避免模型参数的多重共线性,保证模型设定无偏误。研究表明,通航城市的第三产业产值、旅游人数、平均路径长度和节点度均显著影响民航旅客吞吐量。所构建的预测模型对民航旅客吞吐量的解释能力达到了97.4%,对大部分城市的预测误差均在10%以内,具有较高的预测精度,但对某些旅游城市或边缘城市的预测精度较差。

机场旅客吞吐量主要影响因素

针对机场旅客吞吐量预测中重要指标难以选取的问题,采用主成分分析法,对国内四个主要机场旅客吞吐量的影响因素进行分析,提取了最主要的影响因素。研究表明,影响不同机场旅客吞吐量因素的重要性排名有所不同,但最主要的影响因素却相似,包括城市GDP、总人口数、社会消费品零售总额等。这些影响指标的提取,将为构建机场旅客吞吐量预测模型提供重要参考。

基于灰色支持向量机的民航旅客吞吐量预测

依据灰色预测和支持向量机的特点,提出了一种将两种预测方法相结合的灰色支持向量机,并结合民航旅客吞吐量的预测结果,对比了灰色预测模型、支持向量机以及灰色支持向量机的预测结果,验证了灰色支持向量机的预测精度高,预测结果更为准确可靠,为提高民航旅客吞吐量预测精度提供了新的途径.

基于熵值-BP神经网络的机场旅客吞吐量预测

机场旅客吞吐量预测为机场的建设和管理提供依据。在民航界,长期存在着"民航运输增长率是国民经济增长率的1.5-2倍"的说法。但近年来,个别地区GDP增长缓慢,甚至出现负增长的情况,而机场旅客吞吐量增速却远大于GDP增速,传统的预测方法将GDP视为影响机场旅客吞吐量的重要因素之一,显然已经不能满足现今的需求。针对上类机场,先采用了熵值法确定了各指标的影响权重,结合BP神经网络方法对此类机场旅客吞吐量进行预测,证明了上述方法可较优的显著减小误差,可靠性较高。

中国民航旅客吞吐量的灰色马尔可夫模型预测

民航旅客吞吐量的规模和增长速度是民航基础数据,是衡量民航发展的重要指标,旨在通过统计学的一般方法揭示民航旅客吞吐量的变化规律、做出准确的预测。民航旅客吞吐量的规模和增长可以使用灰色预测模型进行预测,并且结果比较准确。在此基础上,提出了引入马尔可夫链预测理论,建立民航旅客吞吐量灰色马尔可夫预测模型的设想,以期使预测结果更加准确可靠。在实例中,对比了灰色预测模型和灰色马尔可夫预测模型的预测结果,验证了民航旅客吞吐量的灰色马尔可夫预测模型预测精度高于灰色预测模型预测精度。可见,灰色马尔可夫预测模型可用于民航旅客吞吐量预测,并可以提供比灰色预测模型更为准确可靠的预测结果。最后,依据灰色马尔可夫预测模型计算得出了2007年和2008年的民航旅客吞吐量预测值。

基于BP神经网络的机场旅客吞吐量预测

利用BP神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性,设计了具有成都双流国际机场特点的、低成本的机场旅客吞吐量的BP神经网络预测模型,经过BP网络预测软件运行检验,证明在该机场应用BP网络预测方法不仅可行,而且有更好的预测精度。

基于移动平均-马尔可夫链模型的上海市机场旅客吞吐量预测研究

为了更多的挖掘数据的信息,本文将移动平均与马尔可夫链模型结合,对马尔可夫链模型进行改进,以拟合结果为动态基准线来构建动态的马尔可夫链,并进行预测及平稳分布研究。利用上海市机场2008年1月至2013年10月的各月数据进行模型拟合,将拟合结果作为动态基准线,进行系统状态划分,确定状态转移概率矩阵。预测未来4个月的中值和区间,并根据马尔可夫链的遍历性和稳定性求出状态的平稳分布。实证表明,该方法的预测精度更高,并且具有较强的适用性和泛化性,具有较强的实用价值。

基于竞争的区域机场群旅客吞吐量预测方法

随着高铁建设和机场数量的增多,民航与高铁的竞争及区域机场间的竞争日渐激烈,给机场旅客吞吐量预测带来挑战,仅考虑单一机场要素的预测方法已无法适应区域内多机场系统旅客吞吐量的预测需要。文中同时考虑民航与高铁以及机场间的双重竞争,对竞争态势下的区域多机场吞吐量预测进行研究。在探究客流分担影响机制的基础上,构建基于竞争环境下的多机场旅客吞吐量需求预测双层Nested Logit模型,提出双重竞争下机场吞吐量预测方法。确定旅客出行行为选择的显著影响因素,构造效用函数,进行问卷设计与样本数据采集,利用TransCAD软件对效用函数进行参数估计和标定。以珠江三角洲机场群为依托,对提出的方法进行示例应用。结果表明:双层Nested Logit模型能较好地量化表征航空与高铁及机场间的双重竞争关系,且能同步预测包括目标机场在内的机场群内所有机场的旅客吞吐量,便于机场群的整体性规划和协作,为旅客吞吐量的准确预测提供新方向。

基于支持向量回归的机场旅客吞吐量预测

在分析现有机场旅客吞吐量预测方法不足的基础上,利用基于结构风险最小化原则的支持向量回归方法,建立了机场旅客吞吐量预测模型。通过实际数据的检验及与BP神经网络等方法的预测结果比较,证明应用支持向量回归方法对机场旅客吞吐量进行预测具备可行性,同时具有较高的预测精度。

竞争模式下沪宁杭机场旅客吞吐量预测模型研究

在预测机场旅客吞吐量时需考虑邻近机场间的竞争因素,首先以具有竞争模式的种群动力学理论为基础,通过在种群动力学非线性微分方程组中增加常数项,建立了一般的上海、南京和杭州机场旅客吞吐量耦合的非线性微分方程组,分析该微分方程组的8种具体形式。以预测值和观测值的误差平方和为目标函数,提出了确定微分方程组中系数的优化方法,这种优化方法以逐个多轮次的方式对系数进行优化确定。最后利用所建模型对上海、南京和杭州机场旅客吞吐量进行预测。从预测结果可见,这种预测模型能够较好地反映三地机场间的相互关系和发展趋势。

基于灰色理论的运城机场旅客吞吐量预测研究

通过选取2007~2014年运城机场旅客吞吐量的数据,对原始数据进行平均弱化缓冲处理,利用灰色GM（1,1）预测模型对运城机场旅客吞吐量进行预测,为运城机场扩建提供一些依据和数据支持,模型检验结果表明：均方差比值为一级,平均精度为一级,相对误差等级为二级,预测模型可靠,精度较高。预测结果表明：到2018年的旅客吞吐量为1008548人次。

基于因果反馈分析的机场旅客吞吐量预测方法研究——以北京首都国际机场为例

为寻求一种预测精度较高的、适应我国民用机场特点的预测方法,在机场供需分析的基础上对机场建设与社会经济发展进行了因果关系分析,提出社会经济和机场供给能力对机场旅客吞吐量的影响同样重要,进而从中提取有效数据,构建BP神经网络模型,实现经济-航空运输需求的转换,从而使预测结果更加精确。通过首都国际机场实例证明,基于因果反馈分析的BP神经网络预测方法更具有独特优势,预测精度得到了大幅提高。