后疫情时期多机场旅客吞吐量分类预测

为提高多机场旅客吞吐量预测的准确性，简化预测流程，将“手肘法”与高斯混合模型(GMM)系统聚类法结合对多机场系统中的个体进行细化分类。采用面板数据模型分析各变量对不同规模、不同定位的机场旅客吞吐量影响程度，针对不同类型机场建立相应的面板数据吞吐量预测模型，再根据后疫情时期民航业发展现状建立疫情影响因子修正模型，并对预测结果进行修正。以江苏省9个机场的旅客吞吐量分类预测为例，预测结果显示：GMM算法的机场分类效果评价指标CH值为98.732、轮廓系数为0.671 5,较K-means算法分别提高8.3%、69.5%;DB值为0.998 1,较K-means算法降低7%,即GMM算法所得聚类簇内样本间距更小、分类效果更优。模型对9个机场的旅客吞吐量预测误差均介于1.58%～3.95%之间，预测误差波动小、精度较高，具有良好的拟合效果，可用于多机场客流量同步预测。