赵烜

摘要：民航领域存在由于旅客noshow而导致座位虚耗问题，从而直接影响航空公司的收益。准确提取旅客noshow规则、分析noshow行为，是航空公司提高市场竞争力的有效手段。本文研究并分析noshow规则提取算法相关研究成果，讨论此领域的各种数据挖掘算法，为航司实现noshow精细化管理提供辅助决策技术。

关键词：noshow;预测模型;算法研究

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2020）05-0119-02

0引言

在民航市场中，通常存在旅客订座后未能成行的现象，这种行为称为noshow，noshow行为的产生导致航班起飞时仍然存在空余座位，降低了航空公司的收入。目前国内航空公司一般采用超售的方式与noshow形成对冲，然而，这将大大提升拒载的可能性，增加航司的赔付风险。

因此准确预测旅客的noShow行为将有利于航司对航班进行精细化管控，提升座位利用率，增加公司的收入。本文总结了目前比较有效的几种noshow行为分析算法，为航司提供算法选择理论依据。

1时间序列预测算法

对航司收益管理而言，精准预测特定时刻特定航班可能存在的noshow行为至关重要。将航班成行的历史数据视为时间序列，提取与noshow相关的字段，通过时间序列预测算法进行预测，是一种较为普遍的方式。常用的算法包括两类，（1）传统算法：多元回归分析法、ARIMA、指数平滑法等。（2）机器学习算法：BP神经网络、CNN、LSTM等。

传统算法通常分为以下几步：

第二步：选择适当的时间序列预测算法，建立预测模型。

第三步：参数词优。通过历史数据，不断调整模型中涉及的超参数，选择最优的参数组合，使得拟合误差达到最低。……