题目：基于地区竞争优势的航空业务量预测研究

航空业务量预测是民航基础设施规划建设的重要依据，本论文通过对全国机场总体的位势分析，研究了影响机场航空量的具体因素，并结合人工神经网络及灰色理论进行了机场航空量的预测研究。
文中基于地区竞争优势理论，从机场位势的角度更为合理的解释了地区经济、人口等对航空客运量的影响机制，为后面机场航空客运量的分析和预测奠定基础。根据提出的位势指标体系，认为截至2010年，我国175个机场可分为3个等级的位势级别。对属于不同位势等级的机场，影响机场航空客运量的关键因素有所不同，位势等级高的机场，影响最大的因素为机场规模；位势居中的影响航空客运量最大的因素为地面交通情况；位势最低的机场影响航空客运量最大的因素为旅游资源开发情况。
在基于位势理论对全国机场进行位势级别的分类之后，应用人工神经网络对机场位势分类进行了检验，得到隐含层节点个数影响人工神经网络的训练效果。通过比较不同节点个数时检测结果的误差和决定系数可以得到最优的隐含层节点个数，使人工神经网络达到最优。对于两种不同算法，结果表明ELM学习算法要全面优于BP学习算法。同时，以全部117组机场数据进行人工神经网络分析的结果要差于对于进行位势分类后对92组低位势机场的分析结果。这也是应用工神经网络第一次对2010年全国所有机场的航空业务量做截面数据分析。证明了对于属于不同位势等级的机场，影响机场航空客运量的关键因素不同，同时也证明了全国机场位势分类结果的合理性和正确性。
在位势理论研究的基础上，应用灰色系统理论中的数列预测经典GM系列模型对航空量预测进行分析研究。经过对GM（1,1）模型和GM（1,N）模型的预测结果进行分析后，发现基于GM（1,N）模型体系下考虑区域内人口和经济（GDP）发展数据作为相关因素数列建立的GM（1,3）模型进行的预测得到的航空量预测数据比实际航空量发生量高，误差相对GM（1,1）模型略大。同时发现，在使用GM（1,3）模型的过程中，得到的系统驱动项b表明，区域内人口总量和GDP数据的增长预测过程中航空量的发展均产生正向作用，促进航空量的增长，这也说明在GM（1,N）模型计算过程中得到的系统发展系数a和驱动项b可以清晰的表征相关因素对模型中特征数据的影响作用和预测值影响的强弱程度。
在应用灰色系统对京津冀地区机场进行航空量预测的过程中，考虑首都国际机场对该区域航空总量的重大贡献和影响作用，结合目前首都机场实际吞吐量已经达到设计极限的实际情况，在预测过程中引入平均弱化算子，经前期计算检验证明，一阶平均弱化算子的引入提高了预测精度，在预测该地区2011~2017年（北京新机场计划投入使用年为2018年）的预测中得到了理想的预测数据结果。
在一个区域内有多个机场可供选择时，某个机场所实际承担的航空业务量与该机场的位势大小有关。不考虑航线设置、功能分化等人为因素，到达机场的时间和距离、机场自身素质成为该机场位势的重要决定因素，从而决定各机场的航空业务量分配量。