一、航空公司收益管理预测过程分析（论文文献综述）
唐兴元[1]（2020）在《民航收益管理系统中的需求预测》文中提出随着民航市场竞争的日益加剧,收益管理日益成为民航业的重要管理和决策手段,而需求预测的准确率直接决定了收益管理的效果,从而在很大程度上决定了航空公司的收益。本文针对航班预订需求预测问题展开研究,根据已有销售数据对航班未来的预订需求进行预测。这是航班管理中的一项基础性工作,目前主要靠人工根据经验来估计需求量。对此给出科学准确的预测方法将对航班运营管理和舱位控制起到重要的支撑作用。本文提出了一种基于多模型集成的航空预订需求预测算法Flight Pred,对算法进行了总体设计和具体实现,并使用真实的航班运营数据进行了仿真验证和评估。本文的主要工作和贡献如下。1.提出了求解航班预定需求预测问题的一种算法—Flight Pred算法。在对航班预定需求预测问题和相关数据进行深入分析的基础上,对Flight Pred算法的框架结构、工作原理、融合策略等进行了具体设计,并对组成算法的三个主要模块进行了详细的设计,这三个模块分别是:基于梯度提升决策树的Light GBM模块、竞争门控深度神经网络DNN模块和时间序列循环神经网络Seq2Seq模块。Flight Pred算法将这三种各有优劣的预测模型集成在一起,取长补短,大大提高了预测精度。在航班需求预测问题上,这样设计的预测算法尚属首次提出。2.对Flight Pred航班需求预测算法的实现细节进行了具体设计。详细介绍了数据集的构建,描述了数据集的特征提取过程,通过数值实验分析了特征的添加对预测结果的影响。对Flight Pred预测算法各模块的超参数进行了详细分析并确定了各个超参数的取值。3.对Flight Pred算法进行了多层次的仿真实验分析和评估。首先对Flight Pred算法中各模块的单模型预测效果进行了仿真评估,包括梯度提升决策树模型Light GBM、竞争门控深度神经网络DNN模型、时间序列循环神经网络Seq2Seq模型。其次对这些模型自身在不同初始条件下形成的多个模型的融合预测效果进行了仿真分析。最后对Flight Pred算法的整体预测效果进行了仿真分析和评估。仿真实验结果表明,本文提出的Flight Pred航班需求预测算法具有很高的预测精度和稳定性,是一种非常实用的航班预订需求预测算法。
周博[2]（2020）在《基于数据实例的航班收益管理模型研究》文中研究说明随着时代的进步航空运输业迅猛发展,越来越多的航空公司如雨后春笋般涌现而出,在这种情况下随之而来的问题就是航空公司如何增加自身收益以保证利益最大化,研究发现建立收益管理模型是当前解决问题的最优方法之一。首先,本文对真实数据进行预处理后采用描述性统计分析方法,对比两个航班特例数据研究影响航班收益的因素。其次,将航班收益分为航班客户到达率和数量分布、收益管理模型两个层次研究,将售卖时间分段以伽玛分布为基础推导航班客户到达率和数量分布,判断预估的未来客户达到数量的准确性。本文收益管理模型的研究采用EMSR模型即期望边际座位收益模型,模型基于预估的未来客户达到数量与机票价格已知的情况下,计算不同等级机票价格的航班座位保留数量,得到航班期望收益,并使用区间估计预估航班未来的可收益区间。由收益管理模型的整体构建过程,可以实现对不同航班在已知实际销售数据情况下预估未来收益,并根据预估收益及时调整销售策略已达到最佳期望收益,最终达到收益管理的目的。
韩霈然[3]（2020）在《基于旅客选择行为的高速铁路收益管理研究》文中进行了进一步梳理近年来随着我国高速铁路的大力建设和投入运营,运输能力得到了显着提升,带动了沿线地区经济发展。同时随着我国铁路市场化改革的进行,以往的运营管理经验已经不能适应当今激烈的外部竞争,需要结合我国铁路的实际状况从旅客的角度出发进行收益管理,通过市场化手段来调节供需关系,改善服务水平,进一步提升高速铁路的综合竞争力来获得更大的市场份额。本文从实施收益管理的适用性条件出发,首先针对国外铁路和航空实施收益管理的成功经验,分析收益管理实施的先决条件,比对我国高速铁路的特点,对不同运输方式的异同进行归纳,探讨实施收益管理的可行性和存在的问题。从差别定价、存量控制和旅客分类三个方面介绍了收益管理。首先分析了几种机器学习分类算法的适用性,最后选定CART（分类与回归树）算法来进行旅客分类;紧接着介绍了动态定价理论,提出了我国高铁票价体系主要存在问题,引出了实行动态定价理论的方向;结合我国铁路现行票额分配方式,阐述了我国铁路实行席位控制的关键和难点。最后分析了票价、存量、需求在铁路收益管理问题中的关系,提出了应对动态定价和席位控制问题进行联合研究。本文通过文献总结、数据挖掘、模型与算法的构建以及实例分析等方法,从以下三个方面进行展开:（1）在阅读文献的基础上,分析了高速铁路收益管理研究的背景与意义,从动态定价、席位控制和联合研究三个方面总结了国内外的研究现状。分析我国铁路实施收益管理的可行性,同时从铁路运输网络的特征、规模以及售票方式等方面对比航空运输,提出我国高速铁路实施收益管理的关键。（2）在旅客分类模型中,为了克服传统的决策树模型容易过拟合的缺点,介绍了基于CART的两种集成学习算法来提升模型的泛化能力。利用随机森林模型将旅客分类为折扣票旅客和全价票旅客,根据分类结果得到了两种旅客的需求关系;为了找到折扣票的最优折扣率,应用梯度提升树模型对折扣率进行回归分析预测,分别运用实例对模型进行验证。（3）结合分类和预测结果,提出基于折扣票的高速铁路票额分配模型,并且应用了粒子群算法对模型进行求解,得到两种票价等级在不同区段的分配票额。根据模型结果设计了折扣票需求大于全价票需求的对比方案,进一步验证原方案模型的有效性。最后结果表明基于折扣票的票额分配模型能够明显吸引低需求区段客流,在保证上座率的同时又能够带来一定客票收益。
王一[4]（2020）在《航空公司灵活舱位控制问题研究》文中进行了进一步梳理航空公司收益管理水平的高低决定其是否能抓住机遇迎接挑战。而舱位控制是航空公司收益管理的核心研究内容,决定航空公司收益管理水平的高低。传统收益管理舱位控制决策,过度依赖预测精度,且假设旅客完全理性。依赖需求预测精度使得航空公司在供需不平衡时处于被动地位,造成空座损失或旅客需求无法满足的问题。完全理性假设下的旅客只采取最优购票决策,难以实现舱位控制模型中的最大化期望收益。因此本文研究旅客决策惯性和灵活舱位控制来应对传统舱位控制决策的弊端。首先分析旅客决策惯性产生原因和影响因素,整理出可接受准则、满意准则和旅客惯性决策集三种典型的旅客决策惯性评估标准,并对三种惯性评估进行模型建立和理论分析。在此基础上提出旅客购票选择网络问题,并选择可接受准则为评估标准,建立基于可接受准则中惯性决策阈值的旅客购票选择网络均衡问题的模型,研究旅客异质性对选择网络均衡模型的影响,得出选择路径中决策阈值小的旅客类型对选择网络均衡起决定作用的结论并且通过数值算例进行详细说明和分析比较。再结合预定限制控制决策基础理论,建立航班容量发生真实改变时的灵活舱位控制问题模型。从容量调整灵活和进行容量调整的时刻灵活两个角度对模型和问题在不同场景下的应用进行分析,通过数理角度对灵活舱位控制模型在实际问题应用中容量参数、时刻参数的选取及计算给予验证。研究得出灵活舱位控制的目标函数与四个灵活参数的变化关系并非完全单调,在一定范围内单调递增,超过零界点后递减的结论。且得出目标函数关于容量减少的变化率大于容量增加的变化率等结论。研究将灵活舱位控制模型的期望收益和低价座位预定限制水平与FCFS（先到先服务）模型的期望收益进行比较,得出灵活舱位控制的收益优势与灵活参数的关系是非单调的,且比FCFS策略有明显的收益优势的结论。并通过求解数值算例,对灵活舱位控制问题中的结论进行详细描述和验证。最后本文结合旅客决策惯性和灵活舱位控制决策提出相邻航班机型调换和运力规划两种策略。对考虑旅客决策惯性下的容量可变的灵活控制问题进行拓展研究,并分别给出两种策略适合的应用场景和针对问题。建立旅客决策惯性下的运力规划策略的问题模型,对两种策略的可行性进行分析说明。
殷芳义[5]（2020）在《基于客户决策的航空公司舱位控制研究》文中指出随着航空运输业的竞争日益激烈,航空公司为了更好的生存和发展,开始慢慢意识到引入收益管理系统的重要性,而舱位控制是收益管理中的重要组成部分,因此客运舱位控制就成为了企业关注重点之一。然而,传统的舱位控制方法仅仅从航空公司的效益角度去考虑,并没有挖掘客户决策行为在其中的应用,易于导致控制决策的失误,影响航空公司的收益。研究客户决策行为及其在舱位控制中的应用,不仅仅体现了以客户为本的思想,也是收益管理研究中的重要课题。本文基于以上背景,从客户的决策行为角度出发,应用前景理论度量客户的决策效用,以MNL模型、Littlewood准则、EMSR模型以及可召回机制等理论为参照,通过分析客户对各个票价等级需求变化,构建基于客户决策的舱位控制模型,以提高收益管理中的舱位控制模型实施的有效性。基于以上思路,本文主要研究内容有:（1）构建基于前景理论的客户决策模型。收益管理情境下,分析影响客户决策行为的因素,研究航空运输业客户的购买决策规则,以MNL模型刻画客户的决策行为,采用Kahneman和Tversky的价值函数和决策权重函数度量客户决策效用,以客户对不同票价等级舱位的支付意愿为参考点,构建基于前景理论的客户决策模型。（2）构建基于客户决策的两票价等级和多票价等级的舱位控制模型。其中,两票价等级的舱位控制模型采用经典的Littlewood准则,多票价等级的舱位控制模型采用EMSR模型。通过客户决策模型修正不同票价等级的客户需求分布,从而修正Littlewood准则和EMSR模型。最后分析引入客户决策行为前后对各个票价等级的保护水平和航空公司整体收益的变化情况,在此基础上探讨客户决策行为概率与Littlewood模型舱位分配数以及总收益之间的一般规律性。（3）构建基于客户决策的柔性舱位控制模型。首先综述几种舱位柔性控制方法,重点分析可召回机制的产生及原理,并指出了可召回机制在众多柔性舱位控制方法中的优越性。其次建立单航班三阶段整数随机规划的可召回舱位控制模型,将此模型与客户决策模型相结合,提出基于客户决策的可召回机制模型。通过对客户决策行为下的可召回机制的模型进行分析,给出了最优可召回票的确定方法。最后通过数据仿真,分别讨论了基于客户独立需求和客户决策行为的可召回机制模型,说明了基于客户决策的可召回机制模型的优越性。本论文提出的理论与方法可用于解决现实航空公司客户的buy-up、buy-down以及双向转移行为下的舱位分配问题,其研究工作及研究成果为航空公司舱位控制决策提供了理论方法层面和实际应用层面的借鉴与指导,并为相关研究与应用奠定了坚实的基础。
李博[6]（2019）在《高速铁路票额分配和动态定价优化研究》文中研究说明近年来,高速铁路的跨越式发展在一定程度上缓解了日益增长的旅客出行需求的压力,提高了旅客的出行效率、改善了旅客的出行条件。然而,在既有的售票组织管理模式下,旅客需求与高速铁路席位能力之间的匹配度相对不高,列车席位能力利用上存在紧张与虚糜共存的状态,导致列车席位能力的浪费,影响高速铁路客运收益的提高。本论文针对高速铁路售票组织管理在票额分配和票价制定方面存在的不足,引入收益管理理论,在高速铁路列车开行方案和运行图给定的条件下,对票额分配及动态定价的相关问题展开研究,从而提高列车席位能力的利用率及铁路客运收益、满足不同旅客的出行需求。论文包括基于铁路部门决策偏好的高速铁路票额分配研究、基于旅客分类的高速铁路平行车次动态定价研究和基于旅客时间价值的高速铁路非平行车次差别定价研究三方面研究内容,各部分研究工作和结论如下:（1）研究了基于铁路部门决策偏好的高速铁路票额分配方法。首先,综合考虑各OD客流需求的不确定性及其铁路部门的决策偏好,引入随机变量的α乐观值来定量刻画铁路部门的决策偏好;其次,以铁路部门收益最大化为目标,构建了不确定需求下考虑铁路部门决策偏好的高速铁路多列车票额分配随机机会约束规划模型,通过不确定规划的相关理论和方法将模型转化为易于求解的确定性线性整数规划模型,并利用Lingo 12.0优化软件对模型进行求解。最后,以京沪高铁列车为对象进行实例分析,结果表明:在不同的置信水平下,该方法较现有的票额分配方法更优,并且铁路部门的决策偏好会对票额分配产生影响。（2）研究了基于旅客分类的高速铁路平行车次动态定价方法。首先,针对目前单一票价下,同一高铁线路同一 OD间具有相互替代性,发车时段不同,而旅行时间相同或相近的两列列车席位能力利用存在虚糜的问题,在分析旅客时间敏感性、价格敏感性及发车时段偏好的基础上对旅客进行分类,并利用旅客的保留价格来刻画旅客对价格的敏感性。其次,以两列列车整体期望收益最大化为目标,建立了离散时间的动态规划联合定价模型。最后,通过具体算例探讨了两列车边际期望收益与预售时间、最优定价与预售时间、最优定价与剩余席位之间的关系,并通过旅客购票仿真研究了不同需求下两列车的动态定价决策,为高速铁路多列车动态定价提供理论依据。（3）研究了基于旅客时间价值的高速铁路非平行车次差别定价方法。首先,针对旅客时间价值对旅客选择列车出行的影响,定量研究了同一 OD间不同列车在发车时段、旅行时间、舒适度上的差异性。其次,利用消费者选择行为理论构建了基于旅客选择效用最大化的时间价值模型,对乘坐不同列车的旅客时间价值进行计算;然后,考虑旅客时间价值对票价的影响,构建了同一 OD非平行车次间的差别定价模型。最后,以北京西到西安北的高铁列车为对象进行实例分析,结果表明:该方法能够对同一 OD间各列车进行差别定价;并且通过列车客流分担率分析可以得出,通过差别定价可以均衡各列车上座率,提高列车能力利用率。
娄娟[7]（2019）在《A航空公司销售业务内部控制案例研究》文中进行了进一步梳理当前,航空运输业在我国经济发展、社会进步和现代化建设中扮演着愈加重要的角色。不管是国内外严峻的经济形势还是航空业本身自带的行业特性与高铁的替代作用,都给我国航空公司的生存与发展带来了巨大挑战。在这样的背景之下,我国航空公司必须强化内部控制,提高自我管理水平,提高经营效率,才能在激烈的竞争中取得一席之地。由于我国航空公司实现企业利润最大化目标的主力业务是航空公司的销售业务。因此,我国航空公司必须要重视销售业务内部控制,航空公司销售业务内部控制体系的不断完善和发展是提升我国航空公司竞争力的必然要求。本文运用先进的内部控制五要素的理论来分析A航空公司销售业务内部控制的发展情况,运用文献分析法、案例分析法、访谈法和定性分析法等多种方法,梳理A航空公司在销售业务上的工作流程,定位其中的关键风险点和控制程序,采用内部控制成效评价表识别并分析A航空公司销售业务内部控制制度在设计和执行上的有效性,梳理总结销售业务内部控制中的四点成效,并发现三点问题,分别是各部门销售控制目标不一致,缺乏完善的销售代理反舞弊机制,和航班超售销售合同缺乏有效的风险提示。针对上述问题,本文提出相应的建议来完善A航空公司的销售业务内部控制体系。第一,建立业绩评定组协调销售控制目标,使之在不同的季节和航线采取不同偏重的考核指标。第二,完善销售代理控制反舞弊机制。设立评估小组,建立风险重要性水平,建立双向问责机制,加强培训风险预警能力,保持职业怀疑态度。第三,规范航班超售销售合同风险提示,慎重考虑航班超售业务,提升地服服务质量。本文创新之处是设计了内部控制成效评价表对销售业务内部控制成效展开分析,采用定性分析法和抽凭法定量分析其销售业务内部控制设计和执行的有效性。案例数据量化与单纯的理论分析论文相比,更加形象具体地展示了民航业销售业务内部控制的设计和执行上的优缺点,极大方便了我国其他航空公司借鉴学习和反思总结经验。本文根据案例研究得出的问题和结论在民航业是否具有普遍性还有待验证。
孙宏燕[8]（2020）在《A航空公司收益管理优化研究》文中研究表明随着我国经济持续、高速的发展以及全球化步伐的不断深入,交通运输行业的重要性愈发凸显,近年来的发展也是有目共睹。在此过程中我国航空运输行业也经历了由垄断走向市场化的过程,伴随着人均可支配收入的不断提高,航空出行由以前的奢侈品成为现在的必需品,市场规模不断扩大。从竞争环境来看,一方面由于国家政策的放开,部分民营航空公司先后进入此行业,全行业参与公司的增加使得国内民用航空运输机队规模不断扩大,航空公司间竞争不断加剧;另一方面由于高铁网络的全面建设与覆盖对民航运输业的冲击也是非常大,尤其对短途航线的影响极其严重。竞争环境的不断变化,迫使航空公司需要加强内部管理的优化,在服务质量、收益管理等方面加速与市场接轨。A航空公司作为一家中型航空公司,现在正面临着巨大的市场竞争压力,由于航空公司运营条件的特殊性,从硬件角度看其对航线资源依赖较重,从软件角度看航空公司要想提升企业核心竞争力,做好航线收益管理是提升企业经济总收益,增强综合竞争力最有效,最直接的方法。本文主要基于收益管理理论四大核心要素,利用数据挖掘的工具,系统性的分析了A航空公司收益管理目前的现状及存在的问题,并重点运用PEST外部宏观环境分析模型,从政治环境、经济环境、社会文化环境、技术环境等不同角度和对A航空公司收益管理的必要性和可行性进行分析。论文通过收益管理理论与方法,结合文献综述、数据挖掘、模型设计等方法,从以下四个方面具体研究了收益优化的方案:（1）对整体航线市场需求的预测,（2）对市场细分的分析,（3）对票价策略的研究,（4）对舱位控制的优化,也是完成收益管理的必要手段。本文试图从目标市场、需求预测、票价制定及舱位控制等方面对A航空公司进行全面的潜力挖掘,利用自身数据库的优势,通过技术和数学方法极大的提高收益管理能力,结合企业实际情况,从人力、财力、技术和制度等四个方面制定保障措施。
刘涛[9]（2019）在《基于民航订单数据的收益提升规则挖掘方法研究》文中认为随着民航客运机票电子化,机票分销渠道和模式发生变化,随之而来的问题也不断增加,如利用航空公司的收益漏洞抢占座位,这种行为导致大量座位被浪费,给航空公司造成巨大损失。针对上述问题,本文对民航旅客订单数据进行挖掘,寻找其中存在的民航收益漏洞规则,为航空公司的决策提供支持。本文需要对民航旅客订单数据进行预处理,从大规模的高维数据中提取与可疑订单相关的数据,进而从特征和订单细分两个角度对民航订单数据进行规则挖掘。首先,构建了基于L1正则化逻辑回归的民航可疑订单特征提取算法,该过程利用L1稀疏性对影响订单的特征进行提取,同时通过回归系数可以充分挖掘不同特征对订单是否出票的影响程度。其次,从订单细分角度,提出一种ELM特征空间的kmeans算法对民航旅客进行横向细分。通过利用ELM算法将样本特征非线性映射到高维特征空间中,再使用NMF进行特征降维,最后将特征样本通过kmeans算法进行细分。实验结果验证了该算法的区分能力,并最终将民航旅客订单数据划分为五类,有效挖掘出提升民航收益的规则,为航空公司收益提升提供支持。在规则挖掘的基础上,构建了一种基于PSO-ELM特征映射KNN分类算法的民航可疑订单识别模型。该算法将样本进行非线性映射到ELM特征空间中,然后利用PSO算法进行ELM参数寻优,再使用KNN算法进行分类。通过民航订单数据实验结果的验证,该算法对民航可疑订单识别准确率为0.865,优于其他传统算法。
臧兰[10]（2019）在《C航空公司机票定价方法研究》文中研究表明近年来,中国航空运输业得到全球航空业的紧密关注,中国民航业的发展速度飞快增长。航空公司的机票价格不仅与航空公司的盈利能力密切相关,也与乘客的切身利益紧密相连,航空票价对航空公司来说非常重要。C航空公司在国内航空市场上占有中等比例的市场份额,在价格竞争越发白热化的大背景下,C航空公司一直在寻求科学的航空机票定价方案。本文首先阐述了我国民航客运票价定价的管理制度与发展、定价经济学理论和收益管理理论,简述了多等级票价结构存在的必要性和燃油附加费对定价的影响;随后从对C航空公司的发展现状及其客运票价体系、定价流程、公司航线的分类、市场细分的分析,提出来了C航空公司目前定价策略存在的问题;接着,本文对影响机票定价的三大因素——航线的竞争、航线的需求和航线的飞行成本分别进行了重点分析:以具体航线为例,对完全竞争市场和空铁竞争市场分别提出了定价优化策略,提出竞争导向型航线的定价应始终将自己的价格与市场价格保持一致的建议;根据相关历史数据建立回归模型,对客流量进行回归预测,从而根据预测结果来制定定价策略;从飞机机型成本角度出发,提出最优时刻的优质航班应配置大飞机、对于需求一般且时刻较差的航班,配置变动成本和固定成本相对较小的小型客机的优化建议。论文提出的回归分析模型,预测C航空公司的客流量,这不仅在实际工作中帮助航线收益管理人员提高对客流量预测的准确性,还为航空公司增加了收入、提高了利润率。最后,论文通过对设计的定价优化方案后运营现状分析,实例验证了优化定价方案的有效性。
二、航空公司收益管理预测过程分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、航空公司收益管理预测过程分析（论文提纲范文）
（1）民航收益管理系统中的需求预测（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 文章结构安排 |
| 第2章 相关理论基础 |
| 2.1 梯度提升决策模型 |
| 2.1.1 回归树 |
| 2.1.2 梯度提升树 |
| 2.2 深度神经网络模型 |
| 2.3 循环神经网络 |
| 2.4 ARIMA模型 |
| 2.5 本章小结 |
| 第3章 航班预售需求预测问题的算法设计 |
| 3.1 航班预售需求预测问题 |
| 3.2 数据分析 |
| 3.3 需求预测算法FlightPred的框架设计 |
| 3.4 LightGBM模块 |
| 3.5 竞争门控DNN模块 |
| 3.6 Sequence to Sequence模块 |
| 3.7 模块融合策略 |
| 3.8 本章小结 |
| 第4章 Flight Pred航班需求预测算法的实现与评估 |
| 4.1 实验环境 |
| 4.2 数据集 |
| 4.3 数据特征分析与特征选择 |
| 4.3.1 航班的基本信息 |
| 4.3.2 班次预售序列相关信息与航班需求序列相关的信息 |
| 4.3.3 市场竞争信息 |
| 4.3.4 特征选择 |
| 4.4 模型超参数选取 |
| 4.4.1 LightGBM模型超参数 |
| 4.4.2 竞争门控DNN模型超参数 |
| 4.4.3 Sequence to Sequence模型超参数 |
| 4.5 Flight Pred算法中各模块单模型效果仿真评估 |
| 4.5.1 评价指标 |
| 4.5.2 各模块单模型预测效果仿真评估 |
| 4.6 FlightPred算法中各模块融合实验 |
| 4.6.1 LightGBM模块融合实验 |
| 4.6.2 竞争门控DNN模块融合实验 |
| 4.6.3 Seq2Seq模块融合实验 |
| 4.7 Flight Pred算法整体预测效果仿真分析 |
| 4.8 本章小结 |
| 第5章 总结与展望 |
| 5.1 研究结果及总结 |
| 5.2 研究前景展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）基于数据实例的航班收益管理模型研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景与意义 |
| 1.1.1 研究的背景 |
| 1.1.2 研究的意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 国外综述 |
| 1.2.2 国内综述 |
| 1.3 本文的结构及内容 |
| 1.3.1 研究方法 |
| 1.3.2 结构安排 |
| 1.4 本章小结 |
| 第2章 航班收益案例数据预处理及描述性统计 |
| 2.1 案例数据的说明及预处理 |
| 2.1.1 案例数据说明 |
| 2.1.2 案例数据预处理 |
| 2.2 航班收益的影响因素分析 |
| 2.2.1 客座率对收益的影响 |
| 2.2.2 舱位销售数量与舱位价格对收益的影响 |
| 2.3 航班特例的收益研究 |
| 2.4 本章小结 |
| 第3章 航班客户到达率与数量分布研究 |
| 3.1 客户到达率与数量分布 |
| 3.1.1 完整售卖时间 |
| 3.1.2 分段售卖时间 |
| 3.2 算例计算与分析 |
| 3.3 本章小结 |
| 第4章 航空收益管理模型研究 |
| 4.1 期望边际座位收益模型――EMSR模型 |
| 4.2 算例计算与分析 |
| 4.2.1 EMSR模型的构建过程 |
| 4.2.2 EMSR模型的应用 |
| 4.2.3 航班收益的区间估计 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 研究展望 |
| 5.2 研究不足 |
| 参考文献 |
| 致谢 |
（3）基于旅客选择行为的高速铁路收益管理研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 动态定价 |
| 1.2.2 存量控制 |
| 1.2.3 动态定价与存量控制联合研究 |
| 1.2.4 既有研究总结 |
| 1.3 研究内容及技术路线 |
| 2 高速铁路收益管理概述 |
| 2.1 收益管理起源与背景 |
| 2.2 收益管理适用性条件 |
| 2.3 我国高铁收益管理概述 |
| 2.3.1 差异性分析 |
| 2.3.2 可行性分析 |
| 2.4 本章小结 |
| 3 高速铁路收益管理方法应用分析 |
| 3.1 旅客分类 |
| 3.1.1 客户分类概述 |
| 3.1.2 我国铁路旅客分类现状 |
| 3.1.3 旅客分类方法 |
| 3.1.4 分类方法对比和选取 |
| 3.2 动态定价 |
| 3.2.1 动态定价概述 |
| 3.2.2 我国高铁动态定价实施方向 |
| 3.3 席位控制 |
| 3.3.1 席位控制理论概述 |
| 3.3.2 我国铁路票额分配理论 |
| 3.3.3 铁路席位控制特点 |
| 3.4 动态定价与席位控制联合研究 |
| 3.5 本章小结 |
| 4 基于集成学习的旅客选择行为研究 |
| 4.1 集成学习概述 |
| 4.2 随机森林分类 |
| 4.2.1 随机性特点 |
| 4.2.2 算法步骤与参数 |
| 4.2.3 随机森林优势 |
| 4.3 梯度提升树回归 |
| 4.3.1 梯度方向特点 |
| 4.3.2 算法步骤和参数 |
| 4.3.3 梯度提升优势 |
| 4.4 特征重要性分析 |
| 4.5 本章小结 |
| 5 基于差别定价的票额分配模型构建 |
| 5.1 问题描述及符号定义 |
| 5.2 票额分配模型的建立 |
| 5.3 模型的求解 |
| 5.4 粒子群算法 |
| 5.4.1 初始化和参数设置 |
| 5.4.2 迭代更新公式 |
| 5.4.3 算法步骤与流程图 |
| 5.5 本章小结 |
| 6 京沪高铁收益管理实例分析 |
| 6.1 京沪高铁概述 |
| 6.2 基于随机森林的旅客分类 |
| 6.2.1 数据处理 |
| 6.2.2 分类模型训练 |
| 6.2.3 分类结果评价 |
| 6.3 基于梯度提升树的折扣率预测 |
| 6.3.1 数据说明 |
| 6.3.2 重要参数及调参过程 |
| 6.3.3 回归模型训练 |
| 6.3.4 预测结果分析 |
| 6.4 基于折扣票的高速铁路票额分配模型求解 |
| 6.4.1 参数设置与模型假设 |
| 6.4.2 求解过程 |
| 6.4.3 对比方案分析 |
| 6.5 高速铁路折扣票销售方案 |
| 7 结论与展望 |
| 7.1 论文的主要结论 |
| 7.2 研究局限和展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）航空公司灵活舱位控制问题研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义和目的 |
| 1.2.1 应用意义和目的 |
| 1.2.2 理论意义和目的 |
| 1.3 研究内容 |
| 1.4 研究方法 |
| 1.5 技术路线 |
| 1.6 本章小结 |
| 第二章 旅客决策惯性和灵活舱位控制研究现状 |
| 2.1 收益管理灵活舱位控制研究现状 |
| 2.1.1 收益管理及舱位控制概述 |
| 2.1.2 灵活舱位控制研究现状 |
| 2.2 决策惯性理论研究现状 |
| 2.3 基于决策惯性的舱位控制研究现状 |
| 2.4 存在问题 |
| 2.5 本章小结 |
| 第三章 旅客决策惯性研究 |
| 3.1 旅客决策惯性理论及相应模型 |
| 3.1.1 决策惯性理论行为表现 |
| 3.1.2 决策惯性理论影响因素 |
| 3.2 决策惯性的评估准则 |
| 3.2.1 可接受准则 |
| 3.2.2 满意准则 |
| 3.2.3 决策惯性集 |
| 3.3 决策惯性模型 |
| 3.3.1 问题提出 |
| 3.3.2 问题假设 |
| 3.3.3 模型建立 |
| 3.4 旅客异质性 |
| 3.5 算例分析 |
| 3.6 本章小结 |
| 第四章 容量可变灵活舱位控制决策 |
| 4.1 灵活舱位控制的容量调整 |
| 4.1.1 预定限制控制决策 |
| 4.1.2 基于预定限制的灵活舱位控制 |
| 4.2 灵活舱位控制模型 |
| 4.2.1 参数及变量设置 |
| 4.2.2 问题假设 |
| 4.3 模型建立与性能分析 |
| 4.3.1 模型建立 |
| 4.3.2 容量灵活 |
| 4.3.3 时刻灵活 |
| 4.3.4 时刻灵活强度的收益优势对比 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第五章 决策惯性下灵活舱位控制 |
| 5.1 策略应用场景 |
| 5.2 运力分配策略 |
| 5.2.1 背景及问题描述 |
| 5.2.2 策略分析 |
| 5.2.3 策略总结 |
| 5.3 机型调换策略 |
| 5.3.1 背景及问题描述 |
| 5.3.2 策略分析 |
| 5.3.3 策略总结 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
| 附录 1:3.6 算例分析代码 |
（5）基于客户决策的航空公司舱位控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 理论背景 |
| 1.1.2 应用背景 |
| 1.2 研究意义 |
| 1.3 研究内容及论文结构 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法与思路 |
| 1.3.3 论文结构 |
| 1.4 创新点 |
| 第二章 文献综述 |
| 2.1 收益管理研究 |
| 2.2 舱位控制研究 |
| 2.2.1 传统舱位控制 |
| 2.2.2 柔性舱位控制 |
| 2.3 前景理论及其应用研究 |
| 2.4 本章小结 |
| 第三章 客户决策模型 |
| 3.1 客户决策理论 |
| 3.1.1 客户决策行为定义 |
| 3.1.2 影响客户决策行为的因素分析 |
| 3.1.3 客户决策效用与偏好 |
| 3.2 客户决策规则 |
| 3.2.1 MNL离散选择模型 |
| 3.2.2 基于前景理论的效用度量 |
| 3.3 客户决策模型构建 |
| 3.3.1 buy-up行为模型 |
| 3.3.2 buy-down行为模型 |
| 3.3.3 需求双向转移模型 |
| 3.4 客户决策模型求解算法设计 |
| 3.5 本章小结 |
| 第四章 基于客户决策的两票价等级舱位控制模型 |
| 4.1 独立需求下的Littlewood舱位控制模型 |
| 4.2 修正模型描述与构建思路 |
| 4.2.1 修正模型描述与假设 |
| 4.2.2 修正模型构建思路分析 |
| 4.3 基于客户决策的Littlewood模型建立 |
| 4.3.1 基于客户决策的Littlewood模型需求修正 |
| 4.3.2 基于Littlewood模型的舱位控制计算 |
| 4.4 算例分析 |
| 4.4.1 基于独立需求的Littlewood模型舱位控制计算 |
| 4.4.2 基于客户决策的Littlewood模型舱位控制计算 |
| 4.4.3 决策行为概率对舱位控制的影响 |
| 4.5 本章小结 |
| 第五章 基于客户决策的多票价等级舱位控制模型 |
| 5.1 独立需求下的EMSR模型 |
| 5.2 基于客户决策的EMSR模型描述与建立思路 |
| 5.2.1 修正模型描述和假设 |
| 5.2.2 修正模型建立思路 |
| 5.3 基于客户决策的EMSR模型建立 |
| 5.3.1 基于客户决策的EMSR模型需求修正 |
| 5.3.2 基于EMSR模型的舱位控制计算 |
| 5.4 算例与数值分析 |
| 5.4.1 独立需求下的EMSR模型计算 |
| 5.4.2 基于客户决策的EMSR模型计算 |
| 5.5 本章小结 |
| 第六章 基于客户决策的柔性舱位控制模型 |
| 6.1 独立需求下的可召回机制模型 |
| 6.1.1 可召回机制的产生及原理 |
| 6.1.2 可召回机制模型假设与构建 |
| 6.2 基于客户决策的可召回机制模型描述及构建思路 |
| 6.2.1 修正模型描述与假设 |
| 6.2.2 修正模型构建算法思路 |
| 6.3 基于客户决策的可召回机制模型建立 |
| 6.3.1 基于决策的可召回机制模型需求修正 |
| 6.3.2 修正模型建立 |
| 6.3.3 基于可召回机制的最优可召回分配数 |
| 6.4 算例与数值分析 |
| 6.4.1 独立需求下的可召回机制计算 |
| 6.4.2 基于客户决策的可召回机制计算 |
| 6.5 基于客户决策的航空公司舱位控制策略 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
| 致谢 |
（6）高速铁路票额分配和动态定价优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 选题背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 铁路客运收益管理研究现状 |
| 1.2.2 票额分配研究现状 |
| 1.2.3 动态定价研究现状 |
| 1.2.4 既有研究总结 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文结构 |
| 1.5 本章小结 |
| 2 基于收益管理的高速铁路票额分配及动态定价的基本问题 |
| 2.1 高速铁路收益管理问题阐述 |
| 2.1.1 高速铁路实施收益管理的可行性 |
| 2.1.2 高速铁路运输组织特点分析 |
| 2.1.3 高速铁路实施收益管理的目标 |
| 2.2 高速铁路收益管理的关键问题 |
| 2.2.1 相关概念分析 |
| 2.2.2 票额分配问题分析 |
| 2.2.3 动态定价问题分析 |
| 2.3 高速铁路收益管理要素的量化研究 |
| 2.3.1 列车相互替代性、旅行时间、舒适度量化研究 |
| 2.3.2 列车发车时段定量化研究 |
| 2.4 本章小结 |
| 3 基于铁路部门决策偏好的高速铁路票额分配研究 |
| 3.1 问题分析 |
| 3.1.1 铁路部门决策偏好分析 |
| 3.1.2 票额分配方案分析 |
| 3.2 多列车票额分配的随机机会约束规划模型构建 |
| 3.2.1 符号说明及模型假设 |
| 3.2.2 模型构建 |
| 3.3 模型求解 |
| 3.3.1 随机机会约束规划 |
| 3.3.2 等价类模型转化 |
| 3.4 案例分析 |
| 3.4.1 基础数据 |
| 3.4.2 票额分配方案 |
| 3.4.3 灵敏度分析 |
| 3.5 本章小结 |
| 4 基于旅客分类的高速铁路平行车次动态定价研究 |
| 4.1 问题分析 |
| 4.1.1 旅客保留价格 |
| 4.1.2 旅客分类 |
| 4.1.3 购票决策过程 |
| 4.2 模型构建 |
| 4.2.1 模型假设 |
| 4.2.2 联合动态定价模型构建 |
| 4.3 案例分析 |
| 4.3.1 动态定价分析 |
| 4.3.2 旅客购票仿真分析 |
| 4.4 本章小结 |
| 5 基于旅客时间价值的高速铁路非平行车次差别定价研究 |
| 5.1 问题分析 |
| 5.1.1 列车差异性分析 |
| 5.1.2 旅客时间价值分析 |
| 5.2 模型构建 |
| 5.2.1 旅客时间价值模型 |
| 5.2.2 非平行车次差别定价模型 |
| 5.3 模型求解 |
| 5.4 案例分析 |
| 5.4.1 基础数据 |
| 5.4.2 数据来源及参数标定 |
| 5.4.3 列车定价及客流分担率分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 主要研究工作 |
| 6.2 论文创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）A航空公司销售业务内部控制案例研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 国外文献综述 |
| 1.2.2 国内文献综述 |
| 1.2.3 文献评述 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 创新与不足 |
| 1.4.1 研究创新 |
| 1.4.2 研究不足 |
| 2 民航业销售业务内部控制概述 |
| 2.1 民航业销售业务内部控制内涵 |
| 2.2 民航业销售业务内部控制目标 |
| 2.3 民航业销售业务内部控制方法 |
| 2.4 民航业销售业务控制流程及内部控制关键风险点 |
| 2.4.1 民航业销售业务控制流程 |
| 2.4.2 民航业销售业务内部控制关键风险点 |
| 3 A航空公司销售业务内部控制现状 |
| 3.1 A航空公司销售业务内部环境 |
| 3.1.1 A航空公司组织架构 |
| 3.1.2 A航空公司销售业务相关部门 |
| 3.2 A航空公司销售业务风险评估 |
| 3.2.1 销售计划风险评估 |
| 3.2.2 销售定价风险评估 |
| 3.2.3 大客户管理风险评估 |
| 3.2.4 销售代理风险评估 |
| 3.2.5 电子客票风险评估 |
| 3.2.6 航班超售风险评估 |
| 3.2.7 运输票证风险评估 |
| 3.2.8 应收账款风险评估 |
| 3.3 A航空公司销售业务控制活动 |
| 3.3.1 销售计划控制 |
| 3.3.2 销售定价控制 |
| 3.3.3 大客户管理控制 |
| 3.3.4 销售代理控制 |
| 3.3.5 电子客票控制 |
| 3.3.6 航班超售控制 |
| 3.3.7 运输票证控制 |
| 3.3.8 应收账款控制 |
| 3.4 A航空公司销售业务信息与沟通 |
| 3.4.1 信息披露与信息安全 |
| 3.4.2 效能监察和举报投诉等反舞弊机制 |
| 3.4.3 与客户的沟通 |
| 3.5 A航空公司销售业务内部监督 |
| 3.5.1 内部审计 |
| 3.5.2 内部控制评估 |
| 4 A航空公司销售业务内部控制效果评价 |
| 4.1 A航空公司销售业务内部控制成效 |
| 4.1.1 组织架构设计合理权责分明 |
| 4.1.2 风险评估机制建立健全执行到位 |
| 4.1.3 控制程序流程清晰措施有效 |
| 4.1.4 信息沟通渠道完善 |
| 4.1.5 内部监督贯彻执行 |
| 4.2 A航空公司销售业务内部控制缺陷及成因分析 |
| 4.2.1 各部门销售控制目标不一致 |
| 4.2.2 缺乏完善的销售代理控制反舞弊机制 |
| 4.2.3 航班超售销售合同缺乏有效的风险提示 |
| 5 完善A航空公司销售业务内部控制的对策 |
| 5.1 建立业绩评定组协调销售控制目标 |
| 5.2 完善销售代理控制反舞弊机制 |
| 5.3 规范航班超售销售合同风险提示 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 后记 |
（8）A航空公司收益管理优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及选题意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究综评 |
| 1.3 研究内容及框架 |
| 1.3.1 研究内容 |
| 1.3.2 基本框架 |
| 1.4 研究方法及创新点 |
| 1.4.1 研究方法 |
| 1.4.2 本文创新点 |
| 第2章 相关理论概述 |
| 2.1 收益管理理论 |
| 2.1.1 收益管理理论的产生和发展 |
| 2.1.2 适用收益管理的行业特点 |
| 2.1.3 收益管理优化框架 |
| 2.1.4 收益管理的流程 |
| 2.2 数据分析方法 |
| 2.2.1 聚类分析方法 |
| 2.2.2 决策树分析方法 |
| 2.2.3 灰色模型方法 |
| 第3章 A航空公司外部环境分析 |
| 3.1 A航空公司企业背景介绍 |
| 3.1.1 公司简介 |
| 3.1.2 公司组织结构 |
| 3.1.3 公司主营业务 |
| 3.1.4 公司经营业绩 |
| 3.2 A航空公司外部环境分析 |
| 3.2.1 法律政策环境 |
| 3.2.2 经济环境 |
| 3.2.3 社会环境 |
| 3.2.4 科技环境 |
| 3.3 A航空公司收益管理的必要性和可行性 |
| 3.3.1 收益管理的必要性 |
| 3.3.2 收益管理的可行性 |
| 第4章 A航空公司收益管理的现状及存在的问题分析 |
| 4.1 A航空公司收益管理的现状 |
| 4.1.1 客流分布现状 |
| 4.1.2 目标市场现状 |
| 4.1.3 票价制定现状 |
| 4.1.4 舱位控制现状 |
| 4.2 A航空公司目前存在的问题 |
| 4.2.1 需求预测难度大 |
| 4.2.2 市场细分及旅客行为特征分析不深入 |
| 4.2.3 机票定价缺乏客观性 |
| 4.2.4 舱位控制不合理 |
| 第5章 A航空公司收益管理的优化研究 |
| 5.1 A航空公司客运需求预测的优化研究 |
| 5.1.1 A航空公司客流影响因素分析 |
| 5.1.2 基于灰色模型方法的客源预测 |
| 5.1.3 分析结果制定划分不同的订座期 |
| 5.2 A航空公司客运市场细分方案的优化研究 |
| 5.2.1 A航空公司目标市场的特点 |
| 5.2.2 基于聚类分析及统计数据的方法将旅客分类 |
| 5.2.3 分析结果找准新的市场定位 |
| 5.3 A航班公司机票定价的优化研究 |
| 5.3.1 A航空公司票价制定的影响因素分析 |
| 5.3.2 基于决策树方法研究区间价格 |
| 5.3.3 不同的订座期匹配相应的区间价格 |
| 5.4 A航空公司收益管理舱位控制的优化研究 |
| 5.4.1 多等级价格下的存量分配 |
| 5.4.2 总收益随剩余座位数和时间变化的策略 |
| 5.4.3 预期的舱位数量匹配对应的目标市场及票价区间 |
| 第6章 A航空公司收益管理优化方案的实施 |
| 6.1 收益管理优化方案实施的计划 |
| 6.1.1 目标导向 |
| 6.1.2 时间计划 |
| 6.2 收益管理优化方案实施的保障 |
| 6.2.1 人力保障 |
| 6.2.2 财务保障 |
| 6.2.3 技术保障 |
| 6.2.4 制度保障 |
| 6.2.5 其他职能部门支持 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 本文研究中的不足 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| 附录1:灰度模型建立 |
| 附录2:主成分分析 |
| 附录3:决策树分析 |
（9）基于民航订单数据的收益提升规则挖掘方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 民航收益提升研究现状 |
| 1.2.2 数据挖掘在民航领域应用的研究现状 |
| 1.3 本文的研究内容 |
| 1.4 论文结构安排 |
| 第二章 相关技术方法 |
| 2.1 数据预处理相关技术 |
| 2.1.1 基于逻辑回归的特征提取方法 |
| 2.1.2 基于L1 正则化的特征提取方法 |
| 2.2 机器学习相关算法 |
| 2.2.1 极限学习机算法 |
| 2.2.2 ELM特征映射机制 |
| 2.2.3 kmeans聚类 |
| 2.2.4 粒子群算法 |
| 2.2.5 KNN算法 |
| 2.3 本章小结 |
| 第三章 民航订单数据特征提取与规则挖掘 |
| 3.1 民航旅客服务数据分析与处理 |
| 3.2 民航旅客服务数据特征选择及影响分析 |
| 3.2.1 基于L1 正则化的逻辑回归 |
| 3.2.2 数据预处理 |
| 3.2.3 实验结果分析 |
| 3.3 基于ELM kmeans的民航订单规则挖掘 |
| 3.3.1 基于ELM特征映射的kmeans算法 |
| 3.3.2 实验及结果分析 |
| 3.4 本章小结 |
| 第四章 基于PSO-ELM KNN的民航可疑订单识别算法 |
| 4.1 基于PSO-ELM的 KNN分类算法 |
| 4.1.1 基于ELM特征空间的KNN算法 |
| 4.1.2 基于PSO-ELM的 KNN分类算法 |
| 4.2 算法有效性检验以及参数设置 |
| 4.2.1 算法有效性检验 |
| 4.2.2 模型参数设置 |
| 4.3 实验结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（10）C航空公司机票定价方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 课题意义 |
| 1.1.2 国内研究现状 |
| 1.1.3 国外研究现状 |
| 1.2 研究内容 |
| 第2章 我国民航客运市场综述 |
| 2.1 我国民航客运票价管理制度与发展 |
| 2.2 我国民航客运票价的理论基础 |
| 2.2.1 定价的经济学理论 |
| 2.2.2 收益管理理论 |
| 2.3 燃油附加费对定价的影响 |
| 2.4 C航空公司发展现状 |
| 2.5 本章小结 |
| 第3章 C航空公司机票定价方法分析 |
| 3.1 C航空公司客运票价体系 |
| 3.2 C航空公司定价流程 |
| 3.3 C航空公司航线分类 |
| 3.4 C航空公司的市场细分 |
| 3.5 C航空公司定价问题分析 |
| 3.6 本章小结 |
| 第4章 C航空公司机票定价优化方案设计 |
| 4.1 影响定价的主要因素分析 |
| 4.2 竞争导向分析 |
| 4.2.1 完全竞争 |
| 4.2.2 空铁竞争 |
| 4.3 需求预测 |
| 4.3.1 根据预测对象确定因变量和自变量 |
| 4.3.2 建立一元线性回归方程 |
| 4.3.3 拟合效果的度量和回归检验 |
| 4.4 成本评估 |
| 4.4.1 从机型成本角度出发考虑定价 |
| 4.4.2 预估成本 |
| 4.5 动态定价 |
| 4.6 本章小结 |
| 第5章 实施效果分析 |
| 5.1 优化后的竞争导向型航线运营情况 |
| 5.1.1 竞争导向型航线 |
| 5.1.2 高铁竞争航线 |
| 5.2 预估成本后的航线运营情况 |
| 5.3 使用需求预测模型后的航线运营情况 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
四、航空公司收益管理预测过程分析（论文参考文献）
- [1]民航收益管理系统中的需求预测[D]. 唐兴元. 中国科学院大学(中国科学院大学工程科学学院）, 2020(03)
- [2]基于数据实例的航班收益管理模型研究[D]. 周博. 黑龙江大学, 2020(05)
- [3]基于旅客选择行为的高速铁路收益管理研究[D]. 韩霈然. 北京交通大学, 2020(03)
- [4]航空公司灵活舱位控制问题研究[D]. 王一. 南京航空航天大学, 2020(07)
- [5]基于客户决策的航空公司舱位控制研究[D]. 殷芳义. 上海工程技术大学, 2020(04)
- [6]高速铁路票额分配和动态定价优化研究[D]. 李博. 北京交通大学, 2019(01)
- [7]A航空公司销售业务内部控制案例研究[D]. 娄娟. 中国财政科学研究院, 2019(02)
- [8]A航空公司收益管理优化研究[D]. 孙宏燕. 上海外国语大学, 2020(03)
- [9]基于民航订单数据的收益提升规则挖掘方法研究[D]. 刘涛. 中国民航大学, 2019(02)
- [10]C航空公司机票定价方法研究[D]. 臧兰. 东华大学, 2019(03)