鲍玉昆 华中科技大学管理学院
23
鲍鲍鲍 鲍鲍鲍鲍鲍鲍鲍鲍鲍鲍 鲍鲍鲍 鲍鲍鲍鲍鲍鲍
description
案例四 航空客流预测. 鲍玉昆 华中科技大学管理学院. 目录. 研究意义 数据来源 建模技术及工具 实验过程 实验结果分析 总结. 1. 研究意义. 准确地对航空客流进行预测是航空公司成功实现收益管理的前提，是实现定价、座位控制等决策的基础。此外，航空客流预测也是航空公司评估机场新建和改、扩建以及机队调整等项目是否值得投资的基础。因此，航空客流预测的深入研究对民航运输业的发展有着十分重要的现实意义。但是，由于航空客流具有高度的波动性、复杂性、不规则性和周期性，并经常受一些突发事件的影响，使得航空客流预测并不是一件容易的任务。. 2. 数据来源. - PowerPoint PPT Presentation
Transcript of 鲍玉昆 华中科技大学管理学院
鲍玉昆华中科技大学管理学院
案例四 航空客流预测
April 22, 2023 2
目录
1. 研究意义2. 数据来源3. 建模技术及工具4. 实验过程5. 实验结果分析6. 总结
April 22, 2023 3
1. 研究意义 准确地对航空客流进行预测是航空公司成功实现收益管理的前提，是实现定价、座位控制等决策的基础。此外，航空客流预测也是航空公司评估机场新建和改、扩建以及机队调整等项目是否值得投资的基础。因此，航空客流预测的深入研究对民航运输业的发展有着十分重要的现实意义。但是，由于航空客流具有高度的波动性、复杂性、不规则性和周期性，并经常受一些突发事件的影响，使得航空客流预测并不是一件容易的任务。
April 22, 2023 4
2. 数据来源 在本案例中，数据集为六家来自美国和英国的航空公司的月度航空客流。
对于美国联合航空公司、美国航空公司、达美航空公司和西南航空公司，航空客流是 1990 年 1 月至 2008 年 12月的月度数据，共 219个样本点。我们取 1990 年 1 月到2006 年 3 月的数据作为模型的训练集，用来训练各模型，剩下的数据作为测试集以评价各模型的推广性。
对于易捷航空公司和维珍航空公司，数据是 1998 年 1 月至2007 年 9 月的月度数据，共 117个样本点。我们取 1998年 1 月到 2005 年 9 月的数据作为训练集，剩下的数据作为测试集。
April 22, 2023 5
2. 数据来源 数据来源于美国 Bureau of Transportation Statistics （
http://www.rita.dot.gov/bts/ ）
数据来源于英国 Civil Aviation Authority （ http://www.caa.co.uk/ ）
April 22, 2023 6
3. 建模技术及工具 下图为达美航空公司 1990 年 1 月至 2008 年 12月的月度航空客流序列
1990 1年 月 2008 12年 月
5,000,000
6,000,000
7,000,000
8,000,000
9,000,000
10,000,000
April 22, 2023 7
3. 建模技术及工具 本案例采用基于经验模态分解技术（ EMD）和支持向量机
（ SVR）的方法对航空客流序列进行建模和预测。
航空客流序列
EMD技术
IMF1 IMF2 RnIMFn……
SVM1 SVM2 SVMn+1SVMn……
F1 F2 Fn+1Fn……
SVM
预测结果
输入
输出
第一步
第二步
第三步
April 22, 2023 8
3. 建模技术及工具 EMD的原理 EMD技术能处理任何时间序列。 基于时间序列自身的特征，通过 EMD技术，原始时间序列被分解为若干个简单本征模函数（ Intrinsic Mode Function ， IMF）和剩余分量。
本征模函数满足以下两个条件： 1. 极值点和过零点的数量相等或者相差为 1 ； 2. 对于局部零均值线对称。 对所有本征模函数和剩余分量求和可得到原始时间序列。
April 22, 2023 9
3. 建模技术及工具 EMD的优点
1. EMD技术能处理任何非线性和非平稳的时间序列，并把该时间序列分解为若干个简单的本征模函数和剩余分量。
2. 在筛选的过程中， EMD算法只需要提取出时间序列的极值点
April 22, 2023 10
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
April 22, 2023 11
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
April 22, 2023 12
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
April 22, 2023 13
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
April 22, 2023 14
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
-2
0
2AFTER SIFTING ONE TIME
April 22, 2023 15
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
-2
0
2AFTER SIFTING ONE TIME
April 22, 2023 16
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
-2
0
2AFTER SIFTING ONE TIME
April 22, 2023 17
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
-2
0
2AFTER SIFTING ONE TIME
April 22, 2023 18
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
-2
0
2AFTER SIFTING ONE TIME
-2
0
2AFTER SIFTING TWO TIME
April 22, 2023 19
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
-2
0
2AFTER SIFTING ONE TIME
-2
0
2AFTER SIFTING TWO TIME
-2
0
2AFTER SIFTING N TIME
IMF 1
April 22, 2023 20
3. 建模技术及工具 EMD技术的筛选过程
-2
0
2INPUT
-2
0
2
IMF 1
-2
0
2
IMF 2
-2
0
2
RE
MA
IND
ER
April 22, 2023 21
4. 实验过程 EEMD技术由Wu 和 Huang所提供的软件包实现
支持向量机由 LibSVM软件包实现，
April 22, 2023 22
5. 实验结果分析航空公司名称
评价指标
EMD-SVMs SVMs Holt-winters ARIMA
American
MAPE 1.8332 2.096 5.7316 3.1582RMSE 141840 161874 449709 251254GMRAE 0.2973 0.3351 0.8012 0.5268DS 1 1 0.6087 0.739
Delta
MAPE 4.552 5.4158 7.4413 6.9646RMSE 308793 331704 403902 408285GMRAE 0.5216 0.7141 0.8618 1.1068DS 0.7391 0.7261 0.6957 0.6522
Southwest
MAPE 1.2937 1.2956 5.8553 6.0091RMSE 150777 151706 696873 632114GMRAE 0.251 0.2643 0.8126 1.1055DS 0.927 0.913 0.695 0.522
United
MAPE 1.9475 2.1505 6.5151 4.0872RMSE 106727 120961 393550 251327GMRAE 0.2963 0.3811 1.1877 0.801DS 0.9565 0.913 0.608 0.913
Easy Jet
MAPE 2.9321 3.8019 5.5213 5.6763RMSE 81931 102859 175269 175404GMRAE 0.5183 0.6872 0.526 0.525DS 0.8696 0.78261 0.6087 0.6075
Virgin
MAPE 1.8766 2.7149 4.1953 3.659RMSE 11150 14150 22395 18455GMRAE 0.4655 0.5412 0.6303 0.6515DS 0.8696 0.7826 0.6522 0.7391
April 22, 2023 23
6. 总结 在本案例中，我们运用基于 EMD技术的混合建模框架对波动复杂的航空客流序列进行建模和预测。在该框架下，我们运用 EMD技术将原始航空客流序列中包含的混杂数据模式分解出来，以消除复杂的数据模式对预测模型带来的影响，从而提高预测模型对数据的适应能力。
