典型文献
后疫情时期多机场旅客吞吐量分类预测
文献摘要：
为提高多机场旅客吞吐量预测的准确性,简化预测流程,将"手肘法"与高斯混合模型(GMM)系统聚类法结合对多机场系统中的个体进行细化分类.采用面板数据模型分析各变量对不同规模、不同定位的机场旅客吞吐量影响程度,针对不同类型机场建立相应的面板数据吞吐量预测模型,再根据后疫情时期民航业发展现状建立疫情影响因子修正模型,并对预测结果进行修正.以江苏省9个机场的旅客吞吐量分类预测为例,预测结果显示:GM M算法的机场分类效果评价指标C H值为98.732、轮廓系数为0.6715,较K-means算法分别提高8.3％、69.5％;DB值为0.9981,较K-means算法降低7％,即GM M算法所得聚类簇内样本间距更小、分类效果更优.模型对9个机场的旅客吞吐量预测误差均介于1.58％ ～3.95％ 之间,预测误差波动小、精度较高,具有良好的拟合效果,可用于多机场客流量同步预测.
文献关键词：
多机场系统;旅客吞吐量预测;后疫情时期;面板数据;高斯混合模型
中图分类号：
作者姓名：
摆倩倩;李志
作者机构：
东部机场集团有限公司,南京 211100;中国民用航空华东地区空中交通管理局江苏分局,南京 211100
文献出处：
引用格式：
[1]摆倩倩;李志-.后疫情时期多机场旅客吞吐量分类预测)[J].交通科技与经济,2022(06):9-15
A类：
机场分类
B类：
后疫情时期,分类预测,旅客吞吐量预测,测流,手肘法,高斯混合模型,GMM,系统聚类法,多机场系统,面板数据模型,不同规模,同定,建立相应,民航业,疫情影响因子,修正模型,分类效果,效果评价指标,轮廓系数,means,DB,预测误差,拟合效果,客流量
AB值：
0.250822
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
