基于组合模型的短期客运航班量预测方法研究

针对不同预测方法的优缺点，本文建立了一种基于回归模型和灰色模型的短期客运航班量组合预测算法，并选取实际执行航班量、预先飞行计划航班量、订票量及客座率等数据计算组合模型回归系数。研究表明，该组合算法预测结果具有较高的可靠性，可以满足预测需求，为短期航班量预测提供一种新思路，为运行单位基于民航运行信息管理系统开发短期客运航班量预测模块提供决策支持。

航班量是反映民航运行品质的重要指标。

2021 年中国民航客运航班量占全部航班量的91.26%， 因此短期客运航班量的预测工作有助于民航一线运行部门提前掌握、预判区域内的运行情况，并提前制定应对措施，对民航整体运行顺畅具有重要意义。

目前，关于交通量预测方面的研究众多，较少涉及客运航班量预测方面，主要归纳如下：文献[1] [2]通过熵权法及BP 神经网络对机场旅客吞吐量进行预测，得到结果能够较好满足预测需求；文献[3]基于LSTM (长短期记忆网络)对民航航线客运量和航班票价进行了预测研究；文献[4] [5]优化了空中交通流量预测算法，全面地反映出管制区域流量预测信息；文献[6]利用灰色预测模型GM(1,1)对中长期航班起降量进行预测，结果显示该模型对于航班量预测的精确度较高；文献[7]为预测未来碳排放目标，选取灰色预测模型对中国碳排放进行短期预测，预测结果与实际结果出入较小；文献[8]探讨了回归模型对于航空运输需求预测研究的可靠性和精确性大大超过已有文献模型的预测性能；文献[9]探讨了回归模型探讨航空甚高频频率使用与航班总量之间相关性；文献[10]探讨了基于神经网络的跑道占用时间预测；文献[11]探讨了基于集成学习的离港航班延误预测方法。由上可知，现有研究主要不足包括：1) 仅采用一种方法进行航班量预测，鉴于各个方法的优缺点，预测精度有待进一步提高；2) 多数侧重长期航班量预测，忽略了揭示短期航班量的演变规律。

综上所述，现阶段针对航班量预测与民航实际运行相结合的预测精度难以满足要求的特点，本文研究一种基于回归模型和灰色模型的短期客运航班量组合预测算法，并在实际中重复检验使用。本文选取过去14 天的实际执行客运航班量、预先飞行计划航班量、订票率、客座率等数据，通过回归模型及灰色模型的组合预测法，对未来14 天的航班量进行科学、全面预测。通过实例分析将预测结果与实际航班量进行对比，得到预测精确度。最后，在民航运行信息管理系统(OIS)中开发了航班量预测模块，实现运行单位的查询功能。

2. 短期客运航班量组合预测模型 2.1. 基于一元线性回归模型的航班量预测方法 一元线性回归模型通常用于表达一个因变量和一个自变量之间的线性关系，一元线性回归分析法的