【摘要】：利用Matlab分別用后退的回歸分析算法、BP神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)算法和組合預(yù)測算法對民航團(tuán)隊(duì)銷售數(shù)據(jù)進(jìn)行預(yù)測和比較分析,為民航銷售人員提供更加精準(zhǔn)的預(yù)測信息,從而獲得更高的航線收益.分析結(jié)果顯示:后退的回歸分析算法比常用的多元線性回歸精準(zhǔn)性提高,但是數(shù)據(jù)結(jié)果并不具有可靠性.神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)算法和組合算法比常用的回歸分析算法預(yù)測的精準(zhǔn)度有了明顯的提高.支持向量機(jī)算法預(yù)測精度相對神經(jīng)網(wǎng)絡(luò)算法稍低,但是卻擁有更強(qiáng)的泛化能力.組合預(yù)測算法能避免單一預(yù)測方法的誤差,更加適合航線銷售人員的實(shí)際操作.

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李俊飛;陳曉敏;;支持向量機(jī)抗輻射效應(yīng)的相關(guān)研究[J];計(jì)算機(jī)工程與應(yīng)用;2012年29期

2 徐勤蘭;樊重俊;張鵬;;灰色支持向量機(jī)在機(jī)場吞吐量預(yù)測中的應(yīng)用[J];上海理工大學(xué)學(xué)報(bào);2012年04期

3 邢志偉;張輝;;基于支持向量機(jī)的飛機(jī)地面結(jié)冰冰型分類預(yù)測[J];計(jì)算機(jī)技術(shù)與發(fā)展;2012年06期

4 鄒杰;葛俊鋒;葉林;鄭英;張洪;;基于支持向量機(jī)的飛機(jī)空中結(jié)冰嚴(yán)重程度識別[J];中國民航大學(xué)學(xué)報(bào);2011年02期

5 徐昊;許國根;王幸運(yùn);;基于支持向量機(jī)的液體推進(jìn)劑分析方法研究[J];分析科學(xué)學(xué)報(bào);2012年05期

6 許桂梅;黃圣國;;基于優(yōu)化支持向量機(jī)的飛機(jī)重著陸智能診斷[J];計(jì)算機(jī)測量與控制;2011年02期

7 關(guān)靜;;基于灰色支持向量機(jī)的民航旅客吞吐量預(yù)測[J];大連交通大學(xué)學(xué)報(bào);2013年03期

8 許桂梅;黃圣國;;基于多核支持向量機(jī)的飛機(jī)重著陸診斷[J];計(jì)算機(jī)工程;2011年10期

9 費(fèi)立新;宋吉學(xué);禹興華;;支持向量機(jī)在飛機(jī)狀態(tài)監(jiān)控中的應(yīng)用[J];電光與控制;2007年06期

10 袁野;陳昌亞;王德禹;;基于支持向量機(jī)的衛(wèi)星動(dòng)力學(xué)多目標(biāo)優(yōu)化[J];振動(dòng)與沖擊;2013年22期

相關(guān)會(huì)議論文 前1條

1 陳寧;孫瑾;牛r，

本文編號：2574159