在国内外现有的航空业务量预测模型的研究中，常见的模型构造理论工具包括线性回归方程、模糊数学理论、多元线性方程等。这些工具构造出的理论预测模型在预测效率和预测准确度方面还有所欠缺。此外，多数文献构建的模型着重讨论航线布局的优化的机制，而不是从航线科学规划角度来构建航空业务量预测模型。因此，本文以通辽民航机场网络信息系统为课题背景，构建基于聚类算法的通辽民航航空业务量预测模型。该模型可以准确测算，未来几年内拟开通航线在现有数据的预测下有无开通必要和有无受众人群。为机场航线建设决策者提供科学预测结论，从而避免二三线城市支线机场地方政府航线资金投入的盲目性。 现有的基于聚类算法的业务量预测模型（TCMBCA，Traffic prediction model based on clustering algorithm），存在的两个主要问题：一方面如果提取的聚类因子较少，则会产生聚类结果精度低、主观因素影响大、遗漏关键聚类因子等问题；另一方面，如果提取的聚类因子过多，则会导致聚类因子主次不清、聚类效率低。因此，本文通过引入灰色关联分析法，从众多聚类因子中找出灰色综合关联度强的聚类因子，并依据关联度强弱对各个因子进行由主到次的排序，并剔除掉影响民航航空业务量预测的次要因素，从而实现了对TCMBCA模型的优化过程。 论文的主要工作包括：首先，综合分析有关航空业务量预测模型构建方面的国内外研究现状；其次，对本文涉及到的相关工具和理论进行概述，并结合通辽市民航机场的实际情况，利用灰色关联分析法对TCMBCA模型进行优化；再次，应用优化后的航空业务量预测模型将2010-2016年间有关陆路、铁路、航空、旅游、商务、地区企业、外地企业投资占比等数据进行聚类分析，并通过聚类分析结果在大量拟开通航线备选城市中，科学地找出与通辽市具有内在密切关系的某个备选城市或备选城市集合；最后，提取近年来的与业务量相关的通辽机场的实际数据，通过与TCMBCA模型进行对比实验，证明了本文提出的采用灰色关联分析法优化的TCMBCA模型在航空业务量预测精度和效率方面都具有一定的优势。
展开▼
