基于动态定价的航空公司团队收益研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 团队收益研究现状 | 第14页 |
| 1.2.2 博弈论研究现状 | 第14-15页 |
| 1.2.3 预测方法研究现状 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 研究方法 | 第17-19页 |
| 第二章 团队旅客销售现状分析 | 第19-25页 |
| 2.1 航线现状分析 | 第19-22页 |
| 2.1.1 厦航市场部结构分析 | 第19-20页 |
| 2.1.2 航线团队收益分析 | 第20-22页 |
| 2.2 团队销售过程分析 | 第22-23页 |
| 2.2.1 历史销售数据分析 | 第22-23页 |
| 2.2.2 航空公司动态定价 | 第23页 |
| 2.3 存在问题分析 | 第23-24页 |
| 2.3.1 预测精准度问题 | 第23-24页 |
| 2.3.2 动态定价模型优化 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 预测方法分析与比较 | 第25-54页 |
| 3.1 样本数据分析 | 第25-28页 |
| 3.1.1 平稳性检测 | 第25-26页 |
| 3.1.2 SPSS曲线估计 | 第26-28页 |
| 3.2 多元线性回归分析法 | 第28-38页 |
| 3.2.1 回归预测结果 | 第28-31页 |
| 3.2.2 预测结果分析 | 第31-33页 |
| 3.2.3 多重共线性处理 | 第33-38页 |
| 3.3 神经网络算法 | 第38-47页 |
| 3.3.1 BP神经网络算法 | 第38-43页 |
| 3.3.2 团队收益管理神经网络实例 | 第43-47页 |
| 3.4 支持向量机算法 | 第47-49页 |
| 3.4.1 最小二乘支持向量机算法 | 第47页 |
| 3.4.2 团队收益管理支持向量机实例 | 第47-49页 |
| 3.5 组合预测 | 第49-53页 |
| 3.5.1 组合预测算法 | 第49-50页 |
| 3.5.2 横向数据组合 | 第50-51页 |
| 3.5.3 横纵数据组合 | 第51-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 基于博弈论的团队动态定价模型 | 第54-67页 |
| 4.1 航空公司与代理商关于团队价格的博弈分析 | 第54-56页 |
| 4.1.1 博弈双方角色分析 | 第54-55页 |
| 4.1.2 关于票价的动态博弈 | 第55-56页 |
| 4.2 代理商团队成本分析 | 第56-57页 |
| 4.3 团队销售动态定价模型 | 第57-62页 |
| 4.3.1 模型的构建 | 第57-59页 |
| 4.3.2 模型的求解 | 第59-62页 |
| 4.4 实例分析 | 第62-66页 |
| 4.4.1 航线实例分析 | 第62-65页 |
| 4.4.2 动态定价模型结果分析 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 全文总结 | 第67-68页 |
| 5.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 在学期间的研究成果及发表的学术论文 | 第73页 |
