酒店多预订渠道的总产量预测方法研究.docx

摘要：不同于以往传统的旅游产品消费模式，现如今随着信息技术的进一步发展及互联网覆盖面的进一步扩大，每天都有大量的用户通过互联网平台所提供的多个渠道预订酒店。如何通过对不同酒店的多个销售渠道进行价格调整进而达到提升收益或者产量的目的是一个关键性的问题。本研究通过利用以BP神经网络为主、以协方差分析为辅的方法对携程网酒店销售数据进行建模，以期获得一个在一定程度上可以较好地解决该问题的预测方法。即通过多方面的分析找出影响最终酒店总产量的因素，并量化了这些影响因素的相对重要性，而后通过相关统计量指标的评价，找到“最优”的预测模型。本研究的建模方法以及模型经相关统计量指标的检验可知其预测效果良好、具有预测能力、能较准确地为预测酒店不同预订渠道的总产量提供参考。

关键词：酒店不同预订渠道的总产量预测；BP神经网络；多因素协方差分析

目录

摘要

Abstract

1-引  言-1

1.1-研究背景-1

1.2-目的和意义-2

1.3-论文创新之处-3

2-预测理论相关工作-3

2.1-数据挖掘建模过程-3

2.1.1-定义挖掘目标-3

2.1.2-数据取样-4

2.1.3-数据探索-4

2.1.4-数据预处理-5

2.1.5-挖掘建模-5

2.1.6-模型评价-6

2.2-BP神经网络模型-6

2.2.1-人工神经网络-6

2.2.2-BP神经网络-8

2.2.3-BP神经网络相关参数的设定-9

2.3-协方差分析-12

2.3.1-方差分析-12

2.3.2-协方差分析-12

2.3.3-OLS回归-13

2.4-国内外研究现状-15

2.4.1-国内外酒店产量预测方法研究现状-15

2.4.2-国内外神经网络研究热点与应用现状-16

3-构建预测模型综述-17

3.1-定义挖掘目标-17

3.2-数据取样-17

3.3-数据探索-18

3.3.1-缺失值分析-18

3.3.2-异常值分析-19

3.3.3-描述性分析-21

3.4-数据预处理-25

3.4.1-缺失数据处理-25

3.4.2-异常值处理-25

3.5-挖掘建模-26

3.5.1-模型选择-26

3.5.2-构建训练样本与测试样本-26

3.5.3-应用BP神经网络模型-27

3.5.4-应用协方差分析-28

3.6-模型评价-30

3.7-模型应用-31

4-总结与展望-34

4.1-总结与评价-34

4.2-不足之处与展望-34

5-参考文献-35

附录A  代码-36