一种基于KNN回归模型的多维度民航客流量预测方法技术

本发明专利技术涉及客流量预测，具体涉及一种基于KNN回归模型的多维度民航客流量预测方法，收集历史航班数据，对历史航班数据进行数据清洗；对处理后的历史航班数据进行特征选择，并构建训练数据集和验证数据集；基于KNN回归模型构建客流量预测模型，并确定K值；利用训练数据集对客流量预测模型进行模型训练，并利用验证数据集对训练好的客流量预测模型进行模型评估；对客流量预测模型进行模型部署，并对新航班数据进行客流量预测，得到客流量预测结果；对客流量预测结果与对应的实际客流量数据进行误差分析；本发明专利技术提供的技术方案能够有效克服现有技术所存在的不能有效整合多维度特征来对客流量进行精准、快速预测的缺陷。

【技术实现步骤摘要】

本专利技术涉及客流量预测，具体涉及一种基于knn回归模型的多维度民航客流量预测方法。

技术介绍

1、航空业作为全球交通网络的重要组成部分，其运营管理的效率和效果直接影响着航空公司的盈利能力和市场竞争力。航班客流量预测作为运营管理的关键环节，对于航空公司制定航班计划、优化资源配置、制定营销策略等工作具有决定性作用。然而，传统的客流量预测方法主要基于历史数据和简单的统计分析，依赖于有限的特征集，如历史客流量、票价水平、航班频率等，这些方法在面对市场波动、季节性变化、经济环境变动等复杂因素时，往往难以提供足够准确的预测结果。

2、随着大数据和机器学习技术的发展，越来越多的研究开始探索如何利用更丰富的数据资源和先进的算法来提高客流量预测的准确性。这些研究强调了多维度特征的重要性，包括但不限于航班的计划运力、通航点的吸引力、票价的动态变化、竞飞航司的竞争策略、班期的安排及节假日、特殊事件等季节性因素的影响，这些多维度特征的综合考量，对于构建更为精准的客流量预测模型至关重要。

3、然而，现有的多维度客流量预测模型在实际应用中仍面临挑战，如平衡特本文档来自技高网...

【技术保护点】

1.一种基于KNN回归模型的多维度民航客流量预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于KNN回归模型的多维度民航客流量预测方法，其特征在于：S1中收集历史航班数据，对历史航班数据进行数据清洗，包括：

3.根据权利要求2所述的基于KNN回归模型的多维度民航客流量预测方法，其特征在于：S2中对处理后的历史航班数据进行特征选择，并构建训练数据集和验证数据集，包括：

4.根据权利要求3所述的基于KNN回归模型的多维度民航客流量预测方法，其特征在于：所述进行特征转换和新特征构建得到特征数据，包括：

5.根据权利要求3所述的基于...

【技术特征摘要】

1.一种基于knn回归模型的多维度民航客流量预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于knn回归模型的多维度民航客流量预测方法，其特征在于：s1中收集历史航班数据，对历史航班数据进行数据清洗，包括：

3.根据权利要求2所述的基于knn回归模型的多维度民航客流量预测方法，其特征在于：s2中对处理后的历史航班数据进行特征选择，并构建训练数据集和验证数据集，包括：

4.根据权利要求3所述的基于knn回归模型的多维度民航客流量预测方法，其特征在于：所述进行特征转换和新特征构建得到特征数据，包括：

5.根据权利要求3所述的基于knn回归模型的多维度民航客流量预测方法，其特征在于：s3中基于knn回归模型构建客流量预测模型，并确定k值，包括：

6.根据权利要求5所述的基于knn回归模型的多维度民航客流量预测方法，其特征在于：s4中利用训练数据集对客流量预...

【专利技术属性】
技术研发人员：葛强，房亮，张韬，郑洪峰，王洪让，周士杨，
申请(专利权)人：飞友科技有限公司，
类型：发明
国别省市：