[发明专利]一种基于优化C5.0和Apriori的民航NOSHOW预测及强因子分析方法

说明书

一种基于优化C5.0和Apriori的NOSHOW预测及强因子分析方法。其包括收集离港数据，选取与NOSHOW相关的N项指标的数据作为属性因子集合，将由N项指标的数据组成的数据样本集合分成训练样本集合和测试样本集合；利用训练样本集合，采用优化C5.0决策树算法构造NOSHOW预测模型，用测试样本集合对NOSHOW预测模型进行验证分析，同时生成与NOSHOW相关的属性因子的量化结果；从量化结果中提取与NOSHOW相关的强因子，采用Apriori算法对提取出来的强因子进行关联规则挖掘等步骤。本发明不仅降低高成本分类错误率，而且在运行速度和内存执行效率上得到了提高，生成的规则集更直观、更准确。对影响NOSHOW的属性因子进行量化，得到了不同影响程度的量化结果。

技术领域

本发明属于民航旅客NOSHOW预测技术领域，特别是涉及一种基于优化C5.0和Apriori的NOSHOW预测及强因子分析方法。

背景技术

在航空市场中，经常有旅客订座后却不能如期登机(NOSHOW)，这种行为最终会导致座位虚耗，从而给航空公司造成巨额经济损失。航空公司解决NOHSOW的主要手段是超售，但是，目前国内外超售控制方法在实际应用中存在着较高的拒载风险,而影响拒载风险的最主要因素是对NOSHOW预测的准确性。因此，构建较高准确性的NOSHOW预测模型可以为航空公司提供准确的超售依据，将拒载风险降至最低，从而使收益最大化。

传统的NOHSOW预测方法并未考虑旅客信息因素，仅仅分析特定航班的起飞时间、航班容量、出发地、目的地等因素，如时间序列模型、因果模型、混合模型；基于传统NOSHOW预测基础上，考虑旅客信息因素，目前主要研究有：GARROWKOPPELMAN基于旅客及定向出站/入境行程数据，使用多项Logistic回归对传统模型改进，但易出现由于有带偏参数估计导致模型解释能力下降；黄文强基于历史各个购票旅客的各种属性及最后是否NOSHOW情况，采用SVM(支持向量机)构建NOSHOW预测模型，该模型具有很好的概化性能，但是会因特征过多的引入而导致性能退化；SEJUNE HONG在基于历史航班旅客平均NOSHOW比率的基础上，采用了非参数的C4.5决策树进行模型预测，该模型虽然解决了上述两类问题，实现了较好的分类，但是在构造决策树的过程中需要对数据集多次扫描、排序，导致运行速度与内存执行效率降低，同时构建的决策树较复杂，分类规则层层嵌套。另外，2017年，翟盼盼等人提出基于粗糙集特征提取方法，并对特征进行挖掘，该方法虽然挖掘出NOSHOW相关的规则，但是并未构建NOSHOW预测模型。由于民航信息系统中的CKI(Check-In，离港信息)是大数据集，因此，需要构建低成本、高效率的NOSHOW预测模型来减少收益漏洞。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于优化C5.0和Apriori的NOSHOW预测及强因子分析方法。

为了达到上述目的，本发明提供的基于优化C5.0和Apriori的NOSHOW预测及强因子分析方法包括按按顺序进行的下列步骤：

步骤一、收集民航旅客信息服务系统产生的离港数据，从中选取与NOSHOW相关的N项指标的数据作为属性因子集合，然后将其中的部分数据进行预处理，之后将上述由N项指标的数据组成的数据样本集合分成训练样本集合和测试样本集合；

步骤二、利用上述训练样本集合，采用优化C5.0决策树算法构造NOSHOW预测模型，用测试样本集合对NOSHOW预测模型进行验证分析，同时生成与NOSHOW相关的属性因子的量化结果；

步骤三、从上述量化结果中提取与NOSHOW相关的强因子，采用Apriori算法对提取出来的强因子进行关联规则挖掘。

在步骤一中，所述的收集民航旅客信息服务系统产生的离港数据，从中选取与NOSHOW相关的N项指标的数据作为属性因子集合，然后将其中的部分数据进行预处理，之后将上述由N项指标的数据组成的数据样本集合分成训练样本集合和测试样本集合的方法是：