10.19348/j.cnki.issn1008-5696.2022.06.002
后疫情时期多机场旅客吞吐量分类预测
为提高多机场旅客吞吐量预测的准确性,简化预测流程,将"手肘法"与高斯混合模型(GMM)系统聚类法结合对多机场系统中的个体进行细化分类.采用面板数据模型分析各变量对不同规模、不同定位的机场旅客吞吐量影响程度,针对不同类型机场建立相应的面板数据吞吐量预测模型,再根据后疫情时期民航业发展现状建立疫情影响因子修正模型,并对预测结果进行修正.以江苏省9个机场的旅客吞吐量分类预测为例,预测结果显示:GM M算法的机场分类效果评价指标C H值为98.732、轮廓系数为0.6715,较K-means算法分别提高8.3%、69.5%;DB值为0.9981,较K-means算法降低7%,即GM M算法所得聚类簇内样本间距更小、分类效果更优.模型对9个机场的旅客吞吐量预测误差均介于1.58% ~3.95% 之间,预测误差波动小、精度较高,具有良好的拟合效果,可用于多机场客流量同步预测.
多机场系统、旅客吞吐量预测、后疫情时期、面板数据、高斯混合模型
24
U8(航空运输)
国家自然科学基金U1933119
2022-11-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
9-15