偏最小二乘回歸的民航客運量預測與分析范文

本站小編為你精心準備了偏最小二乘回歸的民航客運量預測與分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《今日民航》2017年第4期

摘要：民航客運量預測與分析結果直接影響民航交通規劃與管理，對各機場與航空公司是否能夠把握行業發展的趨勢，并及時制定市場競爭規劃有著重要意義。本文采用偏最小二乘回歸模型，對2016-2020年的民航客運量做出預測。根據民航客運量需求與經濟發展、對外開放之間的關系，分析民航客運量的影響因素，為航空業的民航客運量預測與研究提供了參考，對有效增加民航客運需求具有著一定的參考價值。

關鍵詞：民航客運量；偏最小二乘回歸模型；預測

1概述

民用航空運輸作為一種現代的交通模式，其發展水平的高低，是評價國家交通運輸現代化水平的重要標志。經過多年的發展，自主獨立的航空工業產業體系已經逐步形成。目前民用航空工業正處在快速發展階段，由于航空產品體系的不完整，國內技術水平相較國外而言相對落后，現有的民航工業產業體系不足以支撐客運量快速增加的需求。因此進行民航客運量的預測與分析是現今值得深入研究的課題。民航客運量預測與分析的結果直接影響民航交通規劃與管理，為了提高交通規劃的準確性與投資的正確性，在建設的初期就必須對客運量進行有效的預測。常規預測的方法大多在實際應用時表現出明顯的局限性，為了提高預測的精確性，對預測的方法進行必要的比較與優化是目前值得深入研究的。本文旨在通過對民航客運量的定量預測模型進行研究，提出偏最小二乘回歸模型對民航客運量展開預測，預測結果為民航公司提供參考。

2國內外民航客運量的預測研究

國外學者對客運量的研究較早，尤其是歐美發達國家，有著百來年的航空業發展經歷，其方法主要考慮航空運輸需求的影響因素，利用供給與需求原理，確定需求函數，建立預測模型，通過需求曲線的發展來描述客運量變化趨勢。在對阿拉伯的航空市場進行研究時，SYAbed[1]選擇利用多元回歸模型進行分析，通過對航空客運量需求的主要影響因素的分析，建立多元線性回歸定量預測模型。OrhanSivrikaya[2]綜合分析了經濟、人口等因素，通過對半對數回歸模型的建立，得到了與實際客運量差距十分小的預測值，預測的精度很高。TShiose[3]采用綜合自回歸移動平均的方法來分析臺灣航空客運需求的影響因素。TobiasGroschel[4]分析了傳統重力模型的缺陷，綜合機場間的競爭因素，嘗試利用兩種不同的重力預測模型對航空客運量進行預測分析，提高了模型的擬合優度。近年來，航空在國民經濟中的地位舉足輕重，當前關于客運量的需求主要借鑒地面交通規劃理論。代表性的研究有：胡思繼[5]在《交通運輸學》一書中詳盡的分析了客貨運輸需求的影響因素，從經濟、人口等方面說明了客貨運輸需求的產生的機理。楊卉竹[6]運用主成分分析法對民航客運量進行分析，對最關鍵因素進行提取，解析民航客運量的內在影響機理。得到基于客運需求機理的預測方法。陳可嘉，黃建輝[7]在對福建民航運輸的分析中主要研究了其與經濟發展的關系，在采用協整理論的同時，利用誤差修正模型對模型進行修正，運用了格蘭杰因果關系進行了結果檢驗。

3民航客運量的預測模型的建立

3.1偏最小二乘回歸模型。偏最小二乘回歸[8]是一種新型的多元統計分析方法，它具有廣泛適用性，S.Wold和C.Albano等人在1983年首次提出這一方法。偏最小二乘回歸方法是結合了多元線性回歸分析、主成分分析和典型相關分析的方法，解決變量間的多重相關性或在回歸中樣本點少的難題。在回歸建模的同時，實現數據結構簡化以及變量間的相關分析。偏最小二乘回歸模型構建方法：設有q個因變量和p個自變量。觀測n個樣本點，組成因變量和自變量的數據表Y和X，從而分析因變量和自變量之間存在的統計關系。

3.2偏最小二乘回歸模型的構建。y：民航客運量預測值（萬人），x1：鐵路客運量（萬人），x2：運輸、郵政業增加值（億元），x3：國內生產總值（億元），x4：定期航班航線里程（萬公里），x5：居民消費水平（元/人），x6：入境游客（萬人）。根據2000-2014年來的二十年的民航客運量時間序列值及各年份影響因素數據，運用SIMCA-P11.5構建偏最小二乘回歸模型。從上文可知，民航客運量與各影響因素的線性關系顯著，因而建立偏最小二乘回歸模型是可行的。SIMCA-P11.5系統對模型自動擬合，當提取一個PLS（PartialLeastSquareRegression，偏最小二乘回歸）成分時對民航客運量的交叉有效性是0.994193，第二個成分的交叉有效性為0.00045829，因此SIMCA-P11.5系統只提取一個PLS成分。

3.3PLS模型的檢驗

3.3.1特異點分析。從t1/u1平面圖1可以獲得模型的整體結果，線性較好，說明整體模型效果較好。從T2橢圓圖2可以十分清楚的看出，樣本點均分布在橢圓內，說明無異常點存在。因此，該模型的擬合效果十分明顯。

3.3.2精度分析。模型對X和Y的交叉有效性和解釋能力分別是0.994193和0.993744，模型的精度較高，可靠性也很強。3.3.3預測分析。根據實際值與模擬值的擬合曲線圖進行對比，可以看出偏最小二乘回歸模型能較好地擬合出實際歷史數據，所以模型的擬合效果是好的。（圖3）經檢驗PLS模型預測結果平均相對誤差為0.026334416。

4結論

根據偏最小二乘回歸模型，各個影響因素的系數均為正，且對民航客運量的影響程度從高到低分別為運輸、郵政業增加值、國內生產總值、居民消費水平、鐵路客運量、定期航班航線里程、入境游客。綜上分析，經濟的快速發展和對外開放是民航業發展的重要推力。本文建立的模型與方法對航空業的民航客運量的預測與研究提供了參考，對有效增加民航客運需求有著一定的價值。

參考文獻：

[5]胡思繼.交通運輸學[M].北京：中國鐵道出版社，2001：28-30.

[6]楊卉竹.機場旅客吞吐量的影響因素與預測方法探討[J].科技視界，2014，3(7)：332-333.

[7]陳可嘉，黃建輝.福建省民航運輸與經濟增長的關系研究[J].福州大學學報：哲學社會科學版，2014，28(3)：40-43.

[8]于松青，林盛.基于偏最小二乘回歸的山東省電力需求預測分析[J].干旱區資源與環境，2015，29(2)：14-20.

作者：李維；肖紅專 單位：湖南農業大學理學院