北京中航建研航空设计咨询有限公司 北京市 101300
摘要：民航事业的发展对区域经济发展的推动效果愈加明显，而机场旅客吞吐量是衡量民航发展程度的重要指标，准确地预测机场旅客吞吐量具有重要的意义。本文选用上海浦东机场2009-2018年的旅客吞吐量数据，运用灰色模型进行预测，预测效果良好。并得出2025年浦东机场相较于2018年的旅客吞吐量预测增长一倍多的结论，提出了机场应完善基础设施、提高服务水平的建议。
关键词：浦东机场；旅客吞吐量；GM（1, 1）模型
1、引言
近年来民航业得到了迅速地发展，根据2019年民航行业发展统计公报，2019年全国（境内）机场旅客吞吐量、货物吞吐量、起降架次相较于2018年各增长了6.9%、2.1%、5.2%，由此可见，民航业各关键指标都保持着良好的增长趋势。由于机场的吞吐量等指标对公司经营决策如改扩建等方面存在着重大影响，因此，业务量的准确预测对落实各项决策、实现资源优化配置具有显著的现实意义。
目前许多学者采用不同的方法对机场业务量进行预测，例如，廖城等（2002）采用人工神经网络方法对成都双流机场旅客吞吐量进行预测；李明建（2009）采用三次指数平滑法对北京首都机场的旅客吞吐量进行预测；黄邦菊（2013）基于多元回归分析对西南某机场旅客吞吐量进行预测；邢志伟等（2019）采用双层K近邻算法对某航空公司航站楼短时客流量进行预测。本文拟借鉴灰色理论思想，利用灰色预测模型预测浦东机场旅客吞吐量，以期为浦东机场的规划发展提供一定的参考价值。
2.GM（1, 1）模型理论
1981 年，邓聚龙教授首次提出了“灰色系统”这一概念。灰色预测模型是灰色系统理论领域分支之一。该模型针对现实世界中存在大量的灰色不确定性预测问题，利用少量“已知数据”(最少4个数据)，通过序列的累加生成，提取有价值的信息，揭示系统未来的发展趋势， 而实现对其未来变化的定量预测。
GM（1, 1）模型是灰色预测模型中最重要的模型。设序列
化微分方程，也叫影子方程，求解此微分方程即可得到原始序列X(0) (k)的函数。
3.实证分析
本文采用浦东机场2009—2018年度旅客吞吐量（万人）（Y）统计数据作为本次灰色预算的数据基础。2009-2018度上海浦东机场旅客吞吐量如下表所示：
由灰色预测方法原理，-a主要控制系统发展态势的大小，即反映预测的发展态势，被称为发展系数；b的大小反映了数据变化的关系，被称为灰色作用量，其中：当-a<0.3时，GM(1,1)模型可用于中长期预测；当0.3<-a<0.5时，GM(1,1)模型可用于短期预测，中长期预测慎用；当0.5<-a<1时，应采用GM(1,1)改进模型，包括GM(1,1)残差修正模型；当-a>1时，不宜采用GM(1,1)模型，可考虑其他预测方法。由于本文中-a<0.3，因此可适用于中长期预测。
（4）模型精度检验：
灰色预测检验一般有残差检验、关联度检验和后验差检验，本文用残
通过表2可计算出，模型平均相对误差为0.025，总体预测精度等级处于二级，良好。根据2019年民航机场生产统计公报，2019年浦东机场旅客吞吐量为7615.35万人次，预测值为8906.81，相对误差达到0.075，处于二级和三级之间，预测效果尚可。
4.结论和建议
本文选取了2009-2018年浦东机场旅客吞吐量的数据，利用GM（1, 1）模型，对浦东机场未来的旅客吞吐量进行了预测，并通过了精度检验，得到较合理的预测结果，为有关部门对该机场的未来规划提供了决策依据。根据预测数据，到2025年浦东机场旅客吞吐量会达到13569.39万人次，相较于2018年会增长一倍多，由此可见，未来浦东机场旅客吞吐量将大幅增长。面对增长迅速的旅客吞吐量，浦东机场应积极完善相应的基础设施，提高服务水平，来满足旅客多方位的需求，从而推动浦东机场又好又快地发展。
参考文献：
[1]廖成，刘鲁，晓斌.机场旅客吞吐量的人工神经网络预测方法[J]，小型微型计算机系统，第23卷，第12期，2002年12月.
[2]黄邦菊，林俊松，郑潇雨，方学东.基于多元线性回归分析的民用运输机场旅客吞吐量预测[J]，数学的实践与认识，第43卷第4期，2013年2月.
[3]邢志伟，何川，罗谦等.基于双层K近邻算法航站楼短时客流量预测[J]，北京航空航天大学学报，第45卷第1期，2019年1月.
[4]李明捷.基于三次指数平滑法的航空旅客运输量预测[J]，中国民航飞行学院学报，第20卷第1期，2009年1月.