文/韩适朔，中国民航大学 经济与管理学院

航空客货运输需求不断增长的同时，运输机场的航班起降架次不断增长，而机场的扩张能力、空域等因素无法满足航班起降架次的增长需求，进而对航班正常性产生影响。因此预测运输机场的航班起降架次对于了解机场未来发展、提前配置航班保障资源具有重要意义。

灰色预测从数据自身中寻找规律性信息，以指数型曲线拟合原始数据，适合用于对波动性较小、单调变化的数据，如航班起降架次进行预测。因此，本文以1997-2017年民航运输机场航班起降架次为样本，利用灰色预测理论建立运输机场航班起降架次的预测模型，并对2018-2020年航班起降架次进行预测，以期为民航相关部门提供建议。

1 灰色GM(1,1)模型

2 航班起降架次预测模型

2.1 模型的建立

选取1997-2017年我国民航运输机场航班起降架次作为原始数据样本，数据来源于民航发展统计公报以及民航相关书籍。利用该数据检验民航运输机场航班起降架次预测模型的预测精度并对201 8-2020年运输机场航班起降架次进行预测。1997-2017年民航运输机场航班起降架次的原始数据分别为140.34、156.53、165.27、175.71、194.07、211.70、211.90、266.60、305.70、348.60、443.00、4 22.70、484.00、553.20、597.97、660.32、731.54、793.31、856.55、923.80、1024.90。

根据民航运输机场起降架次原始数据建立GM(1,1)模型，得a=-0.10,b=129.58，由于发展系数-a≤0.3，均值GM（1,1）模型可用于中长期预测。将a,b带入（1），得(k + 1)=136.67e0.1k

2.2 模型的检验

对模型精度进行后验差检验。当后验差比值C＜0.35，且小误差概率P大于0.95时，灰色模型精度为好。航班起降架次原始序列方差为50856.228，残差序列标准差为26.86744，后验差比值C为0.000 528，小误差概率为1，模型通过后验差检验。……