-
题名基于民航团队旅客销售的组合预测方法分析
- 1
-
-
作者
黄奇
徐月芳
-
机构
南京航空航天大学民航学院
-
出处
《航空计算技术》
2017年第1期27-30,共4页
-
基金
国家自然科学基金项目资助(71171111)
-
文摘
利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益。结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高。支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力。组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作。
-
关键词
民航收益管理
BP神经网络
最小二乘支持向量机(Least
SQUARES
Support
VECTOR
Machines
LS-SVM)
组合预测算法
-
Keywords
civil revenue management
back-propagation netural network algorithm
LS-SVM
mixed prediction mode
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
F562
[经济管理—产业经济]
-
-
题名基于策略学习的机票动态定价算法
被引量：2
- 2
-
-
作者
卢敏
张耀元
卢春
-
机构
中国民航大学计算机科学与技术学院
中国南方航空股份有限公司信息中心
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2021年第4期1022-1028,共7页
-
基金
国家自然科学基金(61502499)
民航航空公司人工智能重点实验室项目。
-
文摘
机票动态定价旨在构建机票售价策略以最大化航班座位收益。现有机票定价算法都建立在提前预测各票价等级的需求量基础之上,会因票价等级需求量的预测偏差而降低模型性能。为此,提出基于策略学习的机票动态定价算法,其核心是不再预测各票价等级的需求量,而是将机票动态定价问题建模为离线强化学习问题。通过设计定价策略评估和策略更新的方式,从历史购票数据上学习具有最大期望收益的机票动态定价策略。同时设计了与现行定价策略和需求量预测方法的对比方法及评价指标。在两趟航班的多组定价结果表明:相比于现行机票销售策略,策略学习算法在座位收益上的提升率分别为30.94%和39.96%,且比基于需求量预测方法提升了6.04%和3.36%。
-
关键词
民航收益管理
机票动态定价
强化学习
策略学习
-
Keywords
Revenue management
Dynamic flight pricing
Reinforcement learning
Strategy learning
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
