随着我国国民经济的持续快速增长和居民收入水平的提高,近年来我国民航市场保持高速发展的态势。我国的航空市场是全球增长最快的航空市场,我国民航年旅客周转量已经跃居世界第二位,并且仍然以平均每年15％～20％的速度增长。 面对快速发展变化的市场,空运市场需求预测,特别是重要航空港和航线的航空客运量预测不仅对航空公司的战略规划、生产计划以及生产调度具有十分重要的作用,而且对于我国航空枢纽的战略规划和建设,乃至我国整个物流体系的发展和健全都有重要的意义。然而,由于影响航空运输市场航空客运量的因素众多并且各种因素的随机性强,此外,其与航空客运量之间的关系十分复杂,因此航空运输市场航空客运量预测一直是个较难解决的问题。 本文围绕航空客运量的预测问题,从航空港和航线两个层次对航空客运量的预测进行了系统研究,并探索采用改进的BP算法提高航空客运量预测的精度： 本文针对现有航空客运量预测方法所存在的问题,引入神经网络方法对航空客运量的预测进行进一步的探索。因为神经网络方法所具有的并行性、鲁棒性、非线性性等特点,适应了航空客运量与其影响因素之间的复杂的高度非线性特征。另外,针对标准BP神经网络方法在其应用过程中存在的收敛速度慢和容易陷入局部极小点的问题,引入模拟退火算法(SA)和遗传算法(GA)对BP神经网络算法进行了改进,试图利用遗传算法的搜索能力强和全局优化能力弥补BP神经网络算法的上述两个缺点,提高网络的预测效率和预测精度。 对于航空港航空客运量预测,首先系统分析了影响其航空客运量的各种因素,建立了航空港航空客运量评价指标体系；其次针对具体的航空港,采用主成份分析方法对这些影响指标进行分析,选取对该航空港的航空客运量影响显著的关键指标；最后根据这些关键指标与航空客运量之间的高度非线性关系,利用优化的BP神经网络--SAGA-BP神经网络建立预测模型对航空港航空客运量进行预测。 对于航线客运量预测,首先介绍和分析了国际上通用的用于航线客运量预测的引力模型,然后根据实际情况对特定航线建立适应其自身特点的航线客运量预测的引力模型,最后在借用引力模型的思想的基础上,引入优化的BP神经网络——SAGA-BP神经网络以代替传统的引力模型解法(即多元回归方法)来实现引力模型,从而实现对航线客运量的更加精确的预测。本文以上海航空港、深圳-成都航线为主要研究案例,对本文所建立的航空港和航线客运量的预测模型进行了实证研究,验证了本文所提出方法的可行性、适用性和相较于其他传统预测方法的优越性。