基于机器学习的航空公司乘客满意度预测

作者： 刘宇波   来源： 科技创业月刊 年份： 2022 文献类型 ： 期刊 关键词： 机器学习   满意度   预测   Python  

描述： 利用Python中的pandas库、numpy库和matplotlib库对数据进行预处理和分析可视化，然后运用机器学习分类算法对数据进行建模，最后对预测结果进行分析。该建模可对用户满意度进行预测，以便制定合适的运营方案，提高乘客满意度。

中国航空碳排放时空演变特征与影响因素分析

作者： 李玲玲   来源： 河北师范大学 年份： 2022 文献类型 ： 学位论文 关键词： 航空碳排放   预测   影响因素   时空演变  

描述： 中国航空碳排放时空演变特征与影响因素分析

基于ARMA模型的民航机场投诉量预测

作者： 吕文畅   来源： 信息技术与信息化 年份： 2023 文献类型 ： 期刊 关键词： ARMA模型   预测   民航机场投诉   最小二乘  

描述： ，提出了基于ARMA模型的机场投诉量预测方法，采用直接和间接的策略，对机场投诉量进行了建模和预测。预测结果表明，基于ARMA模型的预测方法比最小二乘法更合理，优势突出；ARMA模型在阶次不高的情况下依然

航空嘉园项目市场分析及定位策划研究

作者： 杨洪涛   来源： 哈尔滨工业大学 年份： 2016 文献类型 ： 学位论文 关键词： 市场定位   预测   项目策划   房地产   市场分析  

描述： 中国的房地产市场由八十年代初期开始兴起，经过了二十多年的发展壮大，伴随着中国的经济形势，几经反复，已经逐步形成了相对成熟的运作模式并建立了房地产投资项目整体策划的理论体系。随着房地产市场由初期的不成熟逐步走向规范，如何使自己开发的产品更为合理，更

民用机场建设项目航空业务量预测关键问题研究

作者： 李国彦   来源： 南京航空航天大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空分担率   因子分析   预测   交通方式选择   可行性研究  

描述： 在中国民航事业高速发展的新时期,民用机场的建设却不能充分适应我国民航运输的发展,普遍存在着超规模建设的情况,给机场以后的经营带来了严重的负担.机场航空业务量直接影响着机场的建设规模,因此必须对机场航空业务量进行合理的预测.经过调研及分析,提出解决我国目?

基于支持向量机的航空常旅客数据挖掘

作者： 陈建湘   来源： 中山大学 年份： 2016 文献类型 ： 学位论文 关键词： 支持向量机   预测   忠诚度   常旅客   数据挖掘  

描述： 旅客数据进行预测分析。主要做了两方面的预测分析，一方面是预测常旅客的忠诚度变化，另一方面对每年的常旅客总累积里程做一个预测。根据本季度常旅客的消费行为和常旅客的基本信息，来预测下个季度的忠诚度。如果某

机场航空噪声预测及其影响因素研究

作者： 李冉   来源： 中国民航大学 年份： 2016 文献类型 ： 学位论文 关键词： 预测   航空噪声   影响因素   计算   机场  

描述： 随着航空业的发展,航空噪声污染已经成为日益严重的环境问题。目前,通过对机场噪声的预测和评价,实现对机场周围土地利用合理的相容性规划是解决机场航空噪声问题的最有效方法。本论文旨在对机场声环境相容性规划

基于联合相似度的民航旅客不文明等级预测

作者： 丁建立   李洋   王怀超   来源： 计算机工程与设计 年份： 2021 文献类型 ： 期刊 关键词： 非同源   不文明旅客   民航   联合相似度   预测  

描述： 为便于航空公司和机场对旅客的监管和服务决策,需要对旅客潜在不文明水平进行有效分级预测。通过社会不文明行为与民航不文明行为的相似性分析,预测旅客在民航潜在的不文明行为等级,针对两类行为描述之间存在

基于聚类与SVR的地区支线航空客运市场需求预测

作者： 徐梦瑶   赵鸣   李洋   安洋   张友浩   来源： 智能计算机与应用 年份： 2019 文献类型 ： 期刊 关键词： 客运市场需求   预测   系统聚类   支线航空   SVR  

描述： 针对支线航空客运市场需求预测问题,某些地区(如海南)缺少足够的历史数据,难以建立准确的预测模型。本文提出基于聚类与支持向量机回归(SupportVectorRegression,SVR)预测此类地区

基于改进EMD的排气温度裕度预测

作者： 戴邵武   陈强强   丁宇   来源： 兵器装备工程学报 年份： 2019 文献类型 ： 期刊 关键词： 支持向量机   排气温度裕度   预测   经验模态分解   回归  

描述： 的预测模型；最后将所得的各分量的预测结果综合以得到EGTM的预测结果。以某航空发动机EGTM数据验证来所提方法的有效性，结果表明，相比于传统的预测方法，RMSE与MAE降低至2.024、1.603，有效提高了回归精度。