隨著民航業(yè)的高速發(fā)展,選擇乘坐飛機(jī)出行的民眾越來(lái)越多。在政府放松管制航空業(yè)之前,票價(jià)往往由航空里程決定。如今,在自由市場(chǎng)經(jīng)濟(jì)的條件下,航空公司一般從自身利益出發(fā),綜合各方面因素來(lái)決定機(jī)票的價(jià)格,從而實(shí)現(xiàn)收益最大化。對(duì)于航空公司而言,票價(jià)預(yù)測(cè)技術(shù)能夠幫助公司盈利;對(duì)于購(gòu)買(mǎi)者而言,票價(jià)預(yù)測(cè)技術(shù)能夠預(yù)判最低票價(jià)出現(xiàn)在何時(shí),以便購(gòu)買(mǎi)者在合適的時(shí)間購(gòu)買(mǎi)機(jī)票。因此,票價(jià)預(yù)測(cè)技術(shù)對(duì)機(jī)票的供需雙方而言都具有重要的意義。在上述研究背景下,本文使用從旅游網(wǎng)站上抓取到的價(jià)格數(shù)據(jù),對(duì)票價(jià)的特點(diǎn)及影響因素進(jìn)行統(tǒng)計(jì)分析,并利用時(shí)間序列、機(jī)器學(xué)習(xí)等相關(guān)理論針對(duì)長(zhǎng)短期不同情形分別提出票價(jià)預(yù)測(cè)模型。首先,對(duì)數(shù)據(jù)進(jìn)行預(yù)處理以及對(duì)票價(jià)影響因素進(jìn)行分析。第一步,通過(guò)數(shù)據(jù)預(yù)處理的各種方法獲得高質(zhì)量的數(shù)據(jù)集,同時(shí)基于機(jī)票價(jià)格序列的特性,引用了一種新的二維價(jià)格表。第二步,分別從自身價(jià)格序列和外部影響因子兩方面,探索對(duì)未來(lái)價(jià)格有影響的因素,并進(jìn)行了特征提取。利用隨機(jī)森林對(duì)特征重要性進(jìn)行評(píng)估并篩選變量,最終確定了提前購(gòu)買(mǎi)天數(shù)、航班號(hào)、起飛日期的星期屬性等影響票價(jià)的特征。隨后,本文針對(duì)不同情形分別提出長(zhǎng)期票價(jià)預(yù)測(cè)模型和短期票價(jià)預(yù)測(cè)模型。長(zhǎng)...

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究目的與意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 研究?jī)?nèi)容與結(jié)構(gòu)安排
第二章 票價(jià)預(yù)測(cè)的理論基礎(chǔ)
    2.1 支持向量機(jī)
        2.1.1 線性類(lèi)型的支持向量機(jī)
        2.1.2 非線性類(lèi)型的支持向量機(jī)
        2.1.3 支持向量回歸機(jī)
    2.2 隨機(jī)森林
        2.2.1 決策回歸樹(shù)
        2.2.2 隨機(jī)森林實(shí)現(xiàn)過(guò)程
        2.2.3 袋外數(shù)據(jù)估計(jì)
    2.3 時(shí)間序列
        2.3.1 時(shí)間序列分解
        2.3.2 SARIMA模型
    2.4 本章小結(jié)
第三章 數(shù)據(jù)處理與分析
    3.1 數(shù)據(jù)預(yù)處理
        3.1.1 數(shù)據(jù)采集
        3.1.2 數(shù)據(jù)表示
        3.1.3 票價(jià)數(shù)據(jù)預(yù)處理
    3.2 影響因素分析
        3.2.1 自身價(jià)格特征提取
        3.2.2 外部因素特征提取
        3.2.3 特征選擇
    3.3 評(píng)價(jià)指標(biāo)
    3.4 本章小結(jié)
第四章 基于改進(jìn)支持向量機(jī)和隨機(jī)森林的長(zhǎng)期票價(jià)預(yù)測(cè)
    4.1 基于PSO-SVR的長(zhǎng)期票價(jià)預(yù)測(cè)
        4.1.1 粒子群優(yōu)化算法
        4.1.2 模型建立
        4.1.3 實(shí)驗(yàn)結(jié)果
    4.2 基于隨機(jī)森林的長(zhǎng)期票價(jià)預(yù)測(cè)
        4.2.1 參數(shù)優(yōu)化
        4.2.2 模型建立
        4.2.3 實(shí)驗(yàn)結(jié)果
    4.3 基于PSO-SVR-RF并聯(lián)組合模型的長(zhǎng)期票價(jià)預(yù)測(cè)
        4.3.1 并聯(lián)組合模型
        4.3.2 實(shí)驗(yàn)結(jié)果
        4.3.3 對(duì)比分析
    4.4 本章小結(jié)
第五章 基于改進(jìn)SARIMA的短期票價(jià)預(yù)測(cè)
    5.1 串聯(lián)組合模型
    5.2 基于SARIMA-RF的短期票價(jià)預(yù)測(cè)
        5.2.1 模型建立
        5.2.2 實(shí)驗(yàn)結(jié)果
        5.2.3 對(duì)比分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
致謝



本文編號(hào)：4015235