Prévision du trafic passagers en aviation civile : application et étude comparative du modèle autorégressif intégré de moyenne mobile saisonnière et du réseau de neurones à rétropropagation

Avec le développement rapide de l'industrie de l'aviation en Chine, la prévision précise du volume de passagers en aviation civile est cruciale pour le développement durable de l'industrie. Cependant, la prévision actuelle du trafic passagers en aviation civile n'a pas encore atteint la précision idéale, il est donc particulièrement important d'améliorer la précision des prévisions. Cet article explore et compare l'efficacité du modèle de réseau de neurones à rétropropagation (BP) et du modèle SARIMA dans la prévision du trafic passagers en aviation civile. Tout d'abord, cette étude utilise des données de 2006 à 2019, applique ces deux modèles séparément pour prévoir le trafic passagers en aviation civile en 2019, et combine les deux modèles pour prévoir la même période. En comparant l'erreur relative moyenne (MRE), l'erreur quadratique moyenne (MSE) et l'erreur quadratique moyenne de la racine (RMSE), les précisions de prévision des deux modèles uniques et du modèle combiné sont évaluées, et la meilleure méthode de prévision est déterminée. Par la suite, en utilisant les données de 2006 à 2019, la méthode optimale est appliquée pour prévoir le trafic passagers en aviation civile de 2020 à 2023. Enfin, cet article compare l'impact de l'épidémie sur le trafic passagers en aviation civile avec les données réelles. Cet article améliore la précision de la prévision du volume de passagers en aviation civile et les résultats de la recherche ont une signification pratique pour comprendre et évaluer l'impact de l'épidémie sur l'industrie aéronautique.