應用倒傳遞網路預測日本來台航空客運需求之研究

A Back-propagation Neural Network Model to Forecast Air Passenger Demand from Japan to Taiwan

章國威(Kuo-Wei Chang)王薏婷(Yi-Ting Wang)陳淑娟(Shih-Yao Kuo)郭仕堯(Shu-Chuan Chen)

《管理實務與理論研究》 4卷3期 (2010/09) Pp. 120-132

https://doi.org/10.29916/JMPP.201009.0007

摘要

航空運量之預測，自策略規劃至實際營運皆具不可忽略之重要性，本研究採取監督式學習網路中之倒傳遞神經網路(Back-Propagation Network)，自行撰寫MATLAB程式，建構日本來台航空客運需求預測模式。本研究透過回顧相關文獻，市場分析與初步評估，決定輸入變數，再運用去除法、加入法與貢獻圖，檢驗其影響程度。實證結果發現以日本人口、日本就業人口、日本個人所得、日本GDP、日本GNP、外幣匯率、航班數量、臺灣個人所得等8項變數，預測日本來台航空客運量之平均絕對百分誤差(Mean Absolute Percentage Error)爲0.34%，預測能力極佳。探討輸入變數得知，航班數量、臺灣個人所得與外幣匯率之影響最大。

關鍵字

倒傳遞網路 ； 需求預測 ； 航空客運

並列摘要

Air traffic demand forecasting plays the important role for developing the efficient operating strategy. This study employed supervised back-propagation neural networks to develop a simple MATLAB computer program in order to forecast air passenger demand from Japan to Taiwan. All input variables were collected by literature survey, market analysis and preliminary evaluation. The factors which influence air passenger market were analyzed in detail by deleting method, adding method, and contribution graph. The following 8 variables were selected as the input variables to establish the forecasting model: population in Japan, employed population in Japan, per capita income in Japan, GDP in Japan, GNP in Japan, foreign exchange rate, flight movement from Tokyo (NRT) to Taipei (TPE), per capita income in Taiwan. The novel BPN model can accurately forecast air passenger demand with an extremely low Mean Absolute Percentage Error of 0.34%. The results reveal that flights from Tokyo (NRT) to Taipei (TPE), PCI in Taiwan, and foreign exchange rate are the three most important factors for air passenger volume.

並列關鍵字

back-propagation neural networks ； forecast ； air passenger

參考文獻

交通部（2009）。來源http://www.motc.gov.tw/，2009 年9 月12 日。

張原賓(2008)。以類神經網路模型預測航空旅客運量。國立成功大學民航研究所。

張淑婷(2004)。來華旅客國際觀光旅館住宿需求預測之研究—以日本、香港及美國為例。朝陽科技大學休閒事業管理系。

張智星(2007)。MATLAB程式設計：入門篇。臺北:鈦思科技股份有限公司。

張雲萍(2004)。國際航空客運之需求預測模型。國立交通大學交通運輸研究所。