[发明专利]一种航班延误险的数据精算模型建立方法

说明书

本发明涉及一种航班延误险的数据精算模型建立方法，航班延误险的数据精算模型包括初始数据预处理模块、数据模型运算模块、预测结果分析模块，包括步骤：⑴将初始数据进行预处理；⑵确定数据指标，针对航班的基本数据、附加数据进行计算；⑶构建数据模型，将得到的多个不同的指标通过R语言进行回归方法计算；⑷多次运行数据模型得到多个权重值，将权重值取均值计算最终权重值；⑸将不同的指标与数据模型的结果进行计算得出最终的预测结果；⑹对比预测结果与实际值的差异，调整数据模型，使得数据模型拟合航班的延误值，得到更准确的预测结果。本发明采用R语言对航班数据指标通过回归方法构建数据模型，具有预测更准确的特点。

技术领域

本发明涉及一种航班延误险的数据精算模型建立方法，特别涉及一种预测准确的航班延误险的数据精算模型建立方法，属于民航信息数据利用分析处理领域。

背景技术

目前市面上的航班延误预测普遍是通过取历史纪录的平均来计算延误率，并不能准确的提供航班的预测情况，因此不能非常准确的应用于保险行业，特别是经过一段时间的实践之后，航班延误险摆脱不了亏本的态势，以至于各大保险公司纷纷下架航班延误保险产品。而且，因为没有一个较为准确的延误预测，很多商旅人士没有一个较好的航班选择。

发明内容

本发明航班延误险的数据精算模型建立方法公开了新的方案，采用R语言对航班数据指标通过回归方法构建数据模型，解决了现有方案航班延误概率模型过于粗糙，无法支持延误险赔率的动态调整的问题。

本发明航班延误险的数据精算模型建立方法，航班延误险的数据精算模型包括初始数据预处理模块、数据模型运算模块、预测结果分析模块，包括步骤：⑴将初始数据进行预处理；⑵确定数据指标，针对航班的基本数据、附加数据进行计算；⑶构建数据模型，将得到的多个不同的指标通过R语言进行回归方法计算；⑷多次运行数据模型得到多个权重值，将权重值取均值计算最终权重值；⑸将不同的指标与数据模型的结果进行计算得出最终的预测结果；⑹对比预测结果与实际值的差异，调整数据模型，使得数据模型拟合航班的延误值，得到更准确的预测结果。

进一步，本方案的方法的初始数据预处理模块包括历史航班延误数据库、未来航班计划数据库、天气数据库，初始数据预处理模块对初始数据进行预处理的过程包括步骤：⑴数据清洗：处理空缺值，处理噪声数据，删除重复值；⑵数据集成：集成多个数据源，处理数据源的冗余问题；⑶数据变换：进行数据规范化和数据聚集；⑷数据归约：将相同的数据归为一类，将连续的数据划分区间。

进一步，本方案的方法的数据清洗、数据集成、数据变换、数据归约包括过程：⑴针对航班号、机场、航空公司、航线、航站楼、地域、城市、航班状态、天气数据进行编码；⑵对数据进行基础运算，计算得出实际延误时间、时间段、经停段、是否共享航班、是否多算航班的数据；⑶将共享、补飞、最长段航班的数据分成精细筛选数据项；⑷根据天气数据源的不同将数据进行整合；⑸对细筛数据项填补天气、延误等级、经停段的信息，填补空缺值。

进一步，本方案的方法的数据指标包括：

⑴基础指标：计算日前一次的延误、计算日前二次的延误、计算日前三次的延误、计算日前七次的平均延误、历史延误的最大值、计算日前7天航线延误均值；

⑵机场、时间段、航司：出发机场，出发时间段，航司的在计算日前1天的平均延误；出发机场，出发时间段，航司的在计算日前2天的平均延误；出发机场，出发时间段，航司的在计算日前3天的平均延误；出发机场，出发时间段，航司的在计算日前7天内的平均延误；到达机场，到达时间段，航司的在计算日前1天的平均延误；到达机场，到达时间段，航司的在计算日前2天的平均延误；到达机场，到达时间段，航司的在计算日前3天的平均延误；到达机场，到达时间段，航司的在计算日前7天的平均延误；