[发明专利]一种客座率基准预测的方法及系统

说明书

本发明公开了一种客座率基准预测的方法及系统，该方法包括：在数据源基础数据中确定核心原始变量，数据源基础数据表征影响客座率变化的基础数据集合；对核心原始变量进行数据预处理，获得目标数据变量；利用预设回归模型，对目标数据变量进行处理，获得目标预测变量；通过对目标预测变量进行参数调整，获得拟合模型，并对拟合模型进行分析，确定回归方程；将实际客座率作为回归方程的输入值，对预测时间的目标客座率进行实时预测，获得目标客座率的预测值。本发明实现了客座率变化的实时预测，提高了客座率预测的准确性。

技术领域

本发明涉及信息处理技术领域，特别是涉及一种客座率基准预测的方法及系统。

背景技术

航班客座率是衡量航线运行效率的重要指标，是预测航空公司收益的重要基础数据。在航空市场中，当航班时刻确定后，常有旅客定做后却不能如期登机，导致作为的虚耗、客座率的降低，造成航空公司的巨额经济损失，引发收益漏洞。大多数航空公司通过设计超售模型来减少客座率降低的风险，但超售控制存在较大的拒载隐患。

为了弥补收益漏洞，当前航旅系统通过提供客座率统计、监控及查询等服务，并基于客座率的告警提醒，调节超售模型。现有技术中，系统通过设置阈值对航班客座率进行监控，并基于客座率阈值进行告警提醒。

但实际上，航班的客座率往往与航线、起飞时间、国际国内等等因素有着很强的联系，而客座率阈值通常是固定的，那么在实际的管理中不能实现对客座率基准的实时预测，使得客座率的预测不准确。

发明内容

针对于上述问题，本发明提供一种客座率基准预测的方法及系统，实现了提高客座率预测的准确性。。

为了实现上述目的，本发明提供了如下技术方案：

一种客座率基准预测的方法，该方法包括：

在数据源基础数据中确定核心原始变量，所述数据源基础数据表征影响客座率变化的基础数据集合；

对所述核心原始变量进行数据预处理，获得目标数据变量；

利用预设回归模型，对所述目标数据变量进行处理，获得目标预测变量；

通过对所述目标预测变量进行参数调整，获得拟合模型，并对所述拟合模型进行分析，确定回归方程；

将实际客座率作为所述回归方程的输入值，对预测时间的目标客座率进行实时预测，获得所述目标客座率的预测值，其中，所述实际客座率与所述目标客座率存在预设时间对应关系，且所述实际客座率根据预测时间的不同是不同的。

可选地，所述在数据源基础数据中确定核心原始变量，包括：

在数据源基础数据中确定初始变量；

对所述初始变量中的异常数据进行处理，获得核心原始变量。

可选地，所述对所述核心原始变量进行数据预处理，获得目标数据变量，包括：

根据预设的客座率特征抽象算法，对所述核心原始变量进行变量属性抽取，获得变量属性；

基于所述核心原始变量的变量属性和业务场景进行特征衍生，获得衍生变量；

基于所述核心原始变量和所述衍生变量，确定目标数据变量。

可选地，该方法还包括：

基于所述目标数据变量，确定客座率变化算法；

基于所述客座率变化算法，建立单变量多元的预设回归模型。

可选地，该方法还包括：

基于所述回归方程和实时输入数据，预测获得目标客座率变化曲线；