基于Bagging指数平滑方法的航空客运需求预测

针对航空客运需求预测问题,提出了将Bagging集成算法与指数平滑方法相结合的Bagging指数平滑方法。首先,将航空需求时间序列数据分解为季节项、趋势项和噪音项;然后,通过移动平均采样方法对残差进行重采样,并将重采样的噪音新样本与季节项和趋势项重新相加,得到模型的训练样本;最后,利用Bagging指数平滑方法对每个时间序列训练样本进行预测分析,聚合得到最终预测结果。模型评估结果表明,该方法优于其他传统的时间序列预测方法。

电子客票透明化对航空客运需求影响及对策研究

电子客票的产生增加了市场信息透明度。首先介绍电子客票的发展历程及其透明化特点,然后分析了价格透明和产品透明对航空客运需求的影响效果,发现价格透明对航空客运需求有抑制作用,而产品透明则有促进作用。最后给出运用收益管理技术的应用设想,以化解价格透明的负面影响。

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.

基于二次分解策略和模糊时间序列模型的航空客运需求预测研究

提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取不完全、分解方法带有固有缺陷等问题,导致组合模型预测效果不能得到充分的提升。为此,本文提出一种基于二次分解策略和模糊时间序列模型的航空客运需求预测方法。该方法首先利用季节调整模型(X12-ARIMA)将原始时序分解成季节成分序列与季节调整后序列,继而利用改进的自适应噪声集成经验模态分解方法(ICEEMDAN)将季节调整后序列分解成一系列不同时间尺度的本征模态函数(IMF)和残差序列(Residue)。然后使用基于模糊C均值算法(FCM)划分论域区间的FTS模型对季节成分序列、各IMF分量以及残差序列分别进行预测。最后将各分量序列的预测结果进行集成,重构出航空客运需求的预测值。实证结果表明,本文所提出的二次分解策略表现显著优于传统的分解策略,并且本文所提出模型对于航空客运需求预测有着较高的准确性。

基于TEI@I方法论的航空客运需求预测模型

本文以TEI@I方法论为指导,提出了一个航空客运需求预测的研究框架。首先对航空客运需求时间序列进行EEMD分解,从数据驱动的角度出发,对各子序列的复杂性、平稳性、长程相关性等特征进行分析,并根据其不同特征选择合适的计量经济学模型或者人工智能模型进行预测,然后采用专家系统处理航空客运市场中的突现性和不稳定性,最后将上述几部分进行集成从而获得一个更为精确的预测结果。实证研究表明,基于TEI@I方法论的航空客运需求预测模型的预测效果远远优于其他基准模型。

面向网络搜索数据的航空客运需求两阶段分解集成预测模型

网络搜索行为反映了搜索者的需要和偏好,因此可以用来进行需求预测。本文基于网络搜索数据和历史航空客运量数据构建了一个两阶段的分解集成预测模型对航空客运需求进行预测。模型第一个阶段为网络搜索数据预处理,通过对网络搜索关键词的拓词、降噪、筛选以及季节分解,得到三个关键词数据库(分别为季节项库、趋势项库和随机干扰项库),其中趋势项库和随机干扰项库中的序列将分别作为下一阶段预测模型的输入。第二个阶段为预测评价,通过季节分解将航空客运需求序列分解为季节项、趋势项和随机干扰项,并根据不同子序列的数据特征分别选择不同的模型进行预测并集成。实证结果显示,本文所提出的预测模型较基准模型具有更优的预测性能,可以为交通运输管理提供更科学可靠的决策支持。

我国城市间航空客运量影响因素的实证分析

城市间航空客运需求是航空公司航线网络布局时需要参考的重要信息。文章分析了影响城市间航空客运量的因素,建立了描述城市间航空客运量的半对数形式的线性计量经济模型,并使用我国2002年的352个城市对的横截面数据对模型进行了估计。分析结果表明,城市间距离、机场旅客吞吐量、人口密度、邮政电信业务总量、人均拥有公共交通车辆数以及城市性质和GDP相比,与城市对航空客流有着更为密切的相关关系。文中所建立的城市对客运量的回归模型可以作为航空公司进行航线需求分析的基础。

我国航空客运量需求预测模型:基于随机前沿预测模型和模型平均

针对多数研究以产品或服务的历史消费量来代替不可观测的需求量而导致的需求预测出现实质性偏差的问题,本文将包含技术无效率项的随机前沿预测模型应用于航空客运量需求的预测,从而有效解决实质性偏差的问题.同时我们在此基础上引入一种模型平均权重确定方法,即通过最小化M折交叉验证准则(CVM)确定候选模型权重.本文证明了该方法在理论上的最优性.由于模型中技术无效项的存在,我们可以同时预测航空客运量的实际产生量和需求量,实证研究也表明,相比其他常用的预测方法,该方法在预测航空客运量中长期的实际产生量上更具优势.

发动机维修需求低迷且退役数量增多

据国际航协称,4月份全球航空客运需求触底,部分大型航空公司枢纽网络的客运量下降超过了50%。航空客运需求的下降已经影响到了发动机维修领域。尽管行业对于发动机MRO市场的恢复很有信心,但是当前航空公司拥有和订购的飞机明显过剩,这就使得发动机维修业务的回升变得有些复杂。首先,好的消息是,即使包括当前一代Leap和PW1000发动机在内,大多数窄体发动机的售后市场收入仍能实现历史最佳。而且CFM56-5B和-7B机队中有57%的发动机机龄不到10年,62%的发动机的返厂维修次数少于一次。

全日空的“花式自救”

尽管随着疫苗的普及,新冠疫情最糟糕的时刻已过,航空业开始出现一些回暖的迹象,9月2日,国际航空运输协会(IATA)发布的最新全球航空客运需求定期报告显示,与6月份相比,2021年7月国际和国内旅行需求均显示出强劲势头,但需求仍远低于疫情前水平。IATA同时表示,政府施行广泛的旅行限制将继续影响国际市场复苏。