Print

民航NOSHOW预测及强因子关联分析

论文摘要

在民航业务中,旅客订座后却不能如期登机(NOSHOW)一直是航空公司收益亏损的未解之题,为了解决该问题,提出了一种民航NOSHOW预测及强因子关联分析方法。首先利用优化C5.0算法进行NOSHOW决策树建模,得到了NOSHOW相关因子的量化结果,然后通过Apriori算法对NOSHOW强因子进行关联规则挖掘。实验构建了准确率为99.75%的NOSHOW决策树模型,得到了139条置信度在80.054%以上、支持度在10.021%以上的因子关联规则,进一步揭示了NOSHOW强因子之间的隐含关联关系,为各大航空公司实现准确的NOSHOW预测及收益提升管理提供了有效的决策依据。

论文目录

  • 1 引言
  • 2 算法基础
  •   2.1 C5.0算法
  •   2.2 Apriori算法
  • 3 NOSHOW预测模型及强因子关联分析
  •   3.1 NOSHOW预测模型构建
  •     3.1.1 成本矩阵
  •     3.1.2 C5.0优化
  •     3.1.3 模型构建
  •   3.2 NOSHOW强因子关联分析
  • 4 实验及分析
  •   4.1 数据来源及预处理
  •   4.2 NOSHOW预测
  •     4.2.1 信息增益率计算
  •     4.2.2 Cost优化
  •   4.3 强因子关联规则挖掘
  •   4.4 实验分析
  •     4.4.1 模型对比
  •     4.4.2 规则集分析
  • 5 结语

    • 文章来源

    类型: 期刊论文

    作者: 曹卫东,许代代,王静,王家亮

    关键词: 预测,优化算法,决策树建模,算法,强因子关联分析

    来源: 计算机工程与应用 2019年02期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑,经济与管理科学

    专业: 航空航天科学与工程,计算机软件及计算机应用,交通运输经济

    单位: 中国民航大学天津市智能信号与图像处理重点实验室,中国民航大学计算机科学与技术学院

    基金: 民航局重大专项(No.MHRD20150107),中国民航大学中央高校基金(No.3122016A001,No.3122015C020),中国民航大学天津市智能信号与图像处理重点实验室开放基金(No.2015ASP02)

    分类号: TP311.13;F560.6

    页码: 221-227

    总页数: 7

    文件大小: 1459K

    下载量: 113

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/872bab15a9a42bd44ac9e570.html