在民航業(yè)快速發(fā)展過程中,機場旅客吞吐量的預測一直是民航業(yè)務保障工作和民航基礎設施建設的重點工作。作為一個復雜的非線性系統(tǒng),機場旅客吞吐量受到內外諸多因素影響,呈現(xiàn)出具有一定規(guī)律性和連續(xù)變化的發(fā)展趨勢。目前對于機場旅客吞吐量的數據預測方法普遍存在預測精度不高,預測時間范圍有限等不足。為實現(xiàn)機場旅客吞吐量的準確預測,本文基于機場旅客吞吐量變化的特點,提出將人工神經網絡對灰色模型進行殘差修正的改進型灰色模型用于機場旅客吞吐量的預測中。實驗結果表明,基于改進型灰色模型的機場旅客吞吐量預測具有較高的預測精度。論文的主要工作包括:（1）綜述了目前機場旅客吞吐量預測的研究現(xiàn)狀,介紹了相關理論,包括灰色模型和人工神經網絡模型。（2）分析了影響機場旅客吞吐量預測的相關因素及近年機場旅客吞吐量變化的特點,介紹了基于人工神經網絡修正殘差的改進型灰色模型（BP-GM（1,1）模型）的基本理論和算法,建立了基于BP-GM（1,1）模型的機場旅客吞吐量的預測模型。（3）以昆明巫家壩機場2000-2011年旅客吞吐量和昆明長水機場2012-2017年旅客吞吐量數據進行實驗,比較了基于GM（1,1）模型、BP神經網絡... 

【文章來源】：云南大學云南省 211工程院校

【文章頁數】：73 頁

【學位級別】：碩士

【部分圖文】：

圖３－１：中國國內人均ＧＤＰ與全國民航旅客吞吐量增長趨勢及增長率變化??２２??

作為國內千萬級機場有代表性的昆明長水國際機場，其主要面向云南省、輻??射我國丙南區(qū)域及東南亞旅客開展服務，從云南省層而來看，昆明巫家壩機場／長??水機場旅客吞吐量數據很好地體現(xiàn)了經濟發(fā)展的變化。圖３－２顯示了云南省??２０００－２０１６年ＧＤＰ與昆明機場同時期內旅客吞吐量變化情況。??１６０００?４５００?３５??１４０００?ｙ?４０００?３０?＞．??１２０００?３５００?－，ｃ?：?？??１００００?３０００?，ｎ?：？？？？？－?ｉ??８０００?／?２５００?２０?：?？?５?．??６＿?？？少Ｚ?麗?ｉｎ?：乂？？??４０００?１〇〇〇??２０００?一?５００?５?？？？?＼：??０?０?０?＊??＾?＾?＾?＾?＾?＾?＾??ＧＤＰ（億元）?ＧＤＰ實際梢速（％）???旅客吞吐最（萬人次）??旅客吞吐讀增長率（％）??圖３－２：云南�。玻埃埃埃玻埃保赌辏牵模信c昆明機場吞吐量增長趨勢及增長率變化??（２）其他影響因素??１）?Ｋ域人口??Ｋ域人口直接決定著該Ｋ域機場業(yè)務繁忙柙度，汴茛接體現(xiàn)在旅客吞吐Ｓ丨＿。??２０１０年第六次全國人口科杏各省各地ＩＸ：七要數據公報（附氽４）作為評估各??區(qū)域機場旅客吞吐量的一個參考依椐，吋用于表格屮對應Ｋ域機場旅客喬ｎｈｆｆｌ的??預測工作中。??２）

旅游人數是一個區(qū)域旅游資源和旅游業(yè)發(fā)展水平直觀的體現(xiàn)，２００５－２０１５年旅??游人數（附錄５）能夠直觀地體現(xiàn)出民航業(yè)與旅游業(yè)的協(xié)調關系，并一定程度影響??對于旅客吞吐量的評估工作。圖３－３顯示了中國國內旅游人數變化和相應旅客吞??吐量變化情況。??作為國內千萬級機場有代表性的昆明長水國際機場，旅游業(yè)在云南省各項產??業(yè)中占據了一個重要位置。由于旅游者通常對旅行的舒適性、便捷性、時間性要??求較高，而云南省境內山岳縱橫，地面交通要提高服務水平很困難，因此前往昆??明市和云南省旅游的省外旅客中選擇航空作為出行方式是較為普遍的。另一方面??昆明又是省外旅客到云南省內其他旅游區(qū)域的中轉集散地，除部分航線外，大部??分旅游者需要先飛往昆明再轉機至其他旅游區(qū)，因此云南省旅游人數對航空業(yè)務??量的影響是顯著的。??２００５年以來，隨著全國旅游人數的不斷增長，全國旅客吞吐量也相應持續(xù)增??長；２００８年受全球金融危機影響，國內旅游人數增長放緩，相應全國旅客吞吐量??也出現(xiàn)增速放緩情況。??ｌＯＯＯＣＯ?４５?２５??４０??３５?２０?八??７００００?〇ｎ?—，?／Ｘ??６００００?１５?：?＇＼?／?＼??－?１０?／??３００００?ｌｓ??２００００?１０?５?ｖ??１００００?

【參考文獻】：
期刊論文
[1]基于不同模型的機場客流量預測[J]. 劉夏,陳磊,邱釗,陳煥東,陳明銳.  中國民航大學學報. 2018(03)
[2]基于ARIMA模型的機場航班延誤預測技術研究[J]. 莫凡,趙征,尹韜然.  航空計算技術. 2018(03)
[3]基于支持向量機回歸的機場航班延誤預測[J]. 何洋,朱金福,周秦炎.  中國民航大學學報. 2018(01)
[4]淺談大數據在機場運行管理中的運用[J]. 汪偉,李向明.  民航管理. 2018(01)
[5]基于灰色預測模型的青島新機場航站樓面積研究[J]. 楊超,霍連才,楊曉康.  黑龍江科學. 2018(01)
[6]基于改進的灰色模型對國際航線客運量的預測技術[J]. 朱佳,李霞.  中國科技信息. 2017(21)
[7]廈門高崎國際機場旅客吞吐量預測[J]. 張倩麗.  科學技術創(chuàng)新. 2017(23)
[8]機場巴士線網可靠性優(yōu)化模型及算法設計[J]. 包丹文,劉建榮,顧佳羽.  華南理工大學學報(自然科學版). 2017(08)
[9]上海虹橋機場航空業(yè)務量分析[J]. 李曉.  科技風. 2017(03)
[10]大數據分析的神經網絡方法[J]. 章毅,郭泉,王建勇.  工程科學與技術. 2017(01)

碩士論文
[1]基于時間序列分析的首都機場離港交通流可預測性研究[D]. 劉偉.中國民航大學 2018
[2]多航站區(qū)背景下的樞紐機場地面交通規(guī)劃研究[D]. 趙明明.中國民航大學 2017
[3]鐵路貨運量預測及影響因素研究[D]. 張岄.北京交通大學 2016
[4]港口集裝箱吞吐量時間序列預測方法研究[D]. 查茜.重慶大學 2016
[5]基于時間序列模型的短時交通流預測的研究與應用[D]. 楊元元.西安電子科技大學 2014
[6]灰色關聯(lián)理論在旅游機場旅客吞吐量預測中的應用研究[D]. 信濤.山東大學 2012
[7]基于BP神經網絡的灰色預測模型[D]. 閆建波.西安理工大學 2009
[8]環(huán)渤海主要港口吞吐量預測模型研究[D]. 鄧超風.武漢理工大學 2006



本文編號：3058128