【摘要】：利用Matlab分別用后退的回歸分析算法、BP神經網絡算法、支持向量機算法和組合預測算法對民航團隊銷售數據進行預測和比較分析,為民航銷售人員提供更加精準的預測信息,從而獲得更高的航線收益.分析結果顯示:后退的回歸分析算法比常用的多元線性回歸精準性提高,但是數據結果并不具有可靠性.神經網絡算法、支持向量機算法和組合算法比常用的回歸分析算法預測的精準度有了明顯的提高.支持向量機算法預測精度相對神經網絡算法稍低,但是卻擁有更強的泛化能力.組合預測算法能避免單一預測方法的誤差,更加適合航線銷售人員的實際操作.

【相似文獻】

相關期刊論文 前10條

1 李俊飛;陳曉敏;;支持向量機抗輻射效應的相關研究[J];計算機工程與應用;2012年29期

2 徐勤蘭;樊重俊;張鵬;;灰色支持向量機在機場吞吐量預測中的應用[J];上海理工大學學報;2012年04期

3 邢志偉;張輝;;基于支持向量機的飛機地面結冰冰型分類預測[J];計算機技術與發(fā)展;2012年06期

4 鄒杰;葛俊鋒;葉林;鄭英;張洪;;基于支持向量機的飛機空中結冰嚴重程度識別[J];中國民航大學學報;2011年02期

5 徐昊;許國根;王幸運;;基于支持向量機的液體推進劑分析方法研究[J];分析科學學報;2012年05期

6 許桂梅;黃圣國;;基于優(yōu)化支持向量機的飛機重著陸智能診斷[J];計算機測量與控制;2011年02期

7 關靜;;基于灰色支持向量機的民航旅客吞吐量預測[J];大連交通大學學報;2013年03期

8 許桂梅;黃圣國;;基于多核支持向量機的飛機重著陸診斷[J];計算機工程;2011年10期

9 費立新;宋吉學;禹興華;;支持向量機在飛機狀態(tài)監(jiān)控中的應用[J];電光與控制;2007年06期

10 袁野;陳昌亞;王德禹;;基于支持向量機的衛(wèi)星動力學多目標優(yōu)化[J];振動與沖擊;2013年22期

相關會議論文 前1條

1 陳寧;孫瑾;牛r，

本文編號：2574159