圆园20年第4
期一、引言
一个地区的民航客运量预测对该地区机场建设与机场发展具有建设性的参考，这不仅是交通运输部门确定合理交通设施规模的基础，同时也是保障机场设施高效率利用的前提。2019年9月25日北京大兴国际机场的正式投入使用，将会对北京乃至中国的民航业产生巨大影响。民航客运量的预测对民航业相当重要，如何选择预测方法，选择哪些合理的预测方法使预测结果更加准确，并依据这些预测值为机场提供科学的决策，这是本文的主要研究方向。在传统的预测方法中有时间序列预测、回归分析预测等线性预测。但是民航客运量会受到各种因素的影响，因此会存在一定的非线性因素影响。我们知道BP 神经网络 的本质是在模拟过程中收集系统所产生的误差，并且返回这些误差到输出值，之后用这些误差来调整神经元的权重，这样就生成一个可以模拟出原始问题的人工神经网络系统。刘琳玥(2016)运用PCA-BP 神经网络对铁路客运量实例研究表明，与BP 神经网络相比PCA-BP 神经网络能更有效提高铁路客运量预测精度。王小
凡、朱永强、潘福全(2019)以青岛市为例，根据2005年至2017年的资料，建立GRNN 广义回归神经网络预测模型，将预测模型计算结果与实际对比，分析相对误差率。包勇、陈燕璇(2016)利用实际数据确定网络输入与输出样本，对BP 神经网络预测系统进行训练和预测，均得到较为准确的预测。基于此，本文打算使用BP 神经网络模型来对北京民航客运量进行预测。 二、BP 神经网络模型(一)BP 神经网络介绍
BP 神经网络模型包括三层，其中最左边为输入层，最右
边为输出层，中间为隐含层。一个神经网络系统中，每一层的处理单元格数量决定了网络的复杂程度。每一层神经元内部都不互相连接，而相邻层的神经元点之间则互相连接。
(二)BP 神经网络的建模步骤
1.数据收集与探索。数据的准备主要是对原始数据进行
标准化，将数据按比例进行缩放，使获得的原始数据落入一个特定的空间。可以消除原始数据的单位限制，将原始数据
转化为无量纲的纯数值，使不同的单位或量级的指标能够进行比较。标准化一般采用离差标准化法。
x i =x i -x min
x max -x min
2.确定网络结构。在BP 神经网络里，每个层的节点个数
决定了神经网络的复杂程度，层中节点数与复杂程度成正比。如果层中的节点较少可能会导致网格结构简单，从而预测精度会下降；若节点较多可能会导致得不到最优解。对于隐节点的个数，现在并没有明确的规则，所以在建模前需要给出一个粗略的网络结构，然后在模型训练中逐步调整。通常用经验公式来确定隐含层的个数，经验公式为:
G=a+b √+c
3.基于训练数据对BP 神经网络模型进行训练。
4.运用训练好的模型进行预测。
5.计算误差。三、影响北京民航客运量的指标体系构建
波罗的海三国民航客运量预测指标是运用模型实施预测的输入值，是预测中间很重要一个环节。想要提高民航客运量预测的科学合理性，以及预测结果的准确性，需要在选取民航客运量预测指标时采用一定的原则。通过查阅相关文献，本文依据指标的相关性原则、数据易获性原则、可量化性原则拟从以下四个方面考虑影响北京民航客运量的因素:
(一)竞争因素
我国客运产业主要有公路、水路、铁路、民航四种方式。在四种运输方式组成的交通运输体系中，因为水路每年客运量均会维持在一定量，所以水路的客运量可以不予考虑，最终选择铁路客运量、公路客运量作为民航客运量的竞争影响因素。衣藻
(二)旅游发展状况
客运产业与旅游业的发展有很大关系，民航客运量更是如此。但是一般旅游数据只发布年度数据，所以本文选择了旅游景区接待人数、酒店接待住宿人数(国内)、入境接待人数三个因子作为旅游发展状况对民航客运量的影响因素。
dantax(三)机场运营能力《全民健身条例》
机场运营能力的好坏直接影响民航客运量，根据数据易
基于BP 神经网络的北京民航客运量预测
张良勇
郭
猛t800碳纤维
摘要：本文首先从经济、旅游、竞争、机场运营能力四个方面构建影响北京民航客运量的指标体系，通过相关分析最终得到8个影响北京民航客运量的因素。然后把得到的8个影响因素作为BP 神经网络的输入节点，通过对BP 神经网络的不断训练，当BP 神经网络的隐含层为11个时模型的性能最优。
关键词:BP 神经网络；民航客运量；网络拓扑结构中图分类号:O212.1;U8
文献标识码:A
襄樊电影作者单位：河北经贸大学数学与统计学学院
管理萃
35
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议