資源描述：
《建模基于預測的郵輪定價策略研究.》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在教育資源-天天文庫。
1、題目：基于預測的郵輪定價策略研究摘要隨著人們的消費水平的提高，越來越多的人會選擇游輪作為旅行的出游方式。但是作為郵輪公司卻無法準確發(fā)現(xiàn)游客對游輪價格的接受范圍從而制定出既合理又有高收益的游輪價格。在此為了解決游輪公司目前所面臨的問題，問題一，可采用以下三種方法來解決：1.用時間預測2.建立微分方程模型3.基于BP神經(jīng)網(wǎng)絡的曲線預測模型。方法三最接近真實數(shù)據(jù)問題二中我們采用多項式擬合的方法通過分析，頭等艙和三等艙都是采用三次多項式擬合，二等艙采用二次多項式擬合。問題三中首先通過時間序列法進行人數(shù)的完善，接著采用統(tǒng)計回歸的方法，建立回歸模型，依次求出各航次各周的表達式和平均預定價格。
2、問題四五中分別采用定量綜合分析的方法利用matalab結合附件中sheet1~sheet4建立起收益與航次之間的數(shù)學模型，通過采用最小二乘法確立收益與航次之間的具體函數(shù)關系，結合運籌學中的最優(yōu)化分析，然后合理有效的建立符合實際的郵輪每次航行的最大預期售票收益模型。?問題五中我們通過sheet5減去sheet1中的數(shù)據(jù)得到升艙的人數(shù),對每個航次的升艙人數(shù)的數(shù)據(jù)進行統(tǒng)一整合,利用excel表格做出意愿升艙人數(shù)在每個航次之間的函數(shù)模型,添加趨勢線及函數(shù)關系式,分析出升艙人數(shù)的變化趨勢,并對這種趨勢進行合理假設與猜想,給予公司合理的建議,將公司的損失降到最小,使公司的收益能夠達到最大。一
3、．問題闡述1.預測每次航行各周預訂艙位的人數(shù)，完善各航次每周實際預訂人數(shù)非完全累積表sheet2。（至少采用三種預測方法進行預測，并分析結果。）2.預測每次航行各周預訂艙位的價格，完善每次航行預訂艙位價格表sheet3。3.依據(jù)附件中表sheet4給出的每周預訂價格區(qū)間以及每周意愿預訂人數(shù)，預測出公司每周給出的預訂平均價格。4.依據(jù)附件中表sheet1-sheet4，建立郵輪每次航行的最大預期售票收益模型，并計算第8次航行的預期售票收益。5.在頭等、二等艙位未滿的情況下，游客登船后，可進行升艙（即原訂二等艙游客可通過適當?shù)募觾r升到頭等艙，三等艙游客也可通過適當?shù)募觾r升到頭等艙、二
4、等艙）。請建立游客升艙意愿模型，為公司制定升艙方案使其預期售票收益最大。問題一方法一1、模型建立首先對表2中的分別作出各航次每周實際預定人數(shù)y（人）和x（周）的散點圖，這些點發(fā)布在一條曲線附近，取選擇的指數(shù)曲線方程為y=ax^(bk),其中a、b為參數(shù)且a>0(1-1)2、模型求解利用MATLAB提供了求非線性最小二乘擬合的函數(shù)：LSQCURVRFIT對式（1-1）y=ar^（bx）,其中a、b為參數(shù)且a>0進行擬合。根據(jù)程序運行結果：得到式（1-1）的系數(shù)分別為:a=16.52,b=0.1816和下圖1-1圖1-1利用第一次航行頭等艙數(shù)據(jù)擬合圖像1、結果分析利用非線性最小二乘法
5、擬合的圖像雖然和實際數(shù)據(jù)有差距，但是從整體上可以反映出整體的趨勢。再分別利用表sheet2中的數(shù)據(jù)，分別求出各次航行各艙人數(shù)關于時間的表達式，結果見下表1-1-1.根據(jù)上表的計算結果，分別利用表sheet2的缺省數(shù)據(jù)見下表1-1-2.方法2微分方程模型1、模型建立記本周人口為X0,k周后人口為Xk,周增長率為r，但是注意到散點圖中隨人口數(shù)量X增加，周增長率r在下降。若r表示為x的函數(shù)r(x),則它應該是減函數(shù)，于是表達式應為：dx/dt=r(x),x(0)=x0(2-1)對r(x)的一個最簡單的假定是，設r(x)為x的線性函數(shù)，即r(x)=r-sx(r,s>0)(2-2)這里r稱
6、為固有增長率，表示人口很少數(shù)（理論上是x=0）的增長率。為了確定系數(shù)s的意義，引入各個艙所能容納的最大人口數(shù)量xm，稱為人口容量。當x=xm時人數(shù)不再增長，即增長率r(xm)=0,代入式（2-2）得s=r/xm,r(x)=r(1-x/xm),將r(x)代入式（2-1），得：dx/dt=rx(1-x/xm),x(0)=x0(3-3)2、模型求解根據(jù)（2-3）利用分離變量法求解得到X(t)=xm/[xm/(1+(xm/x0-1)e^(-rt)]利用表sheet2數(shù)據(jù)擬合得到x0,r.1、程序運行結果為x0=5,r=0.3760,模型從整體來看是可以的。方法三基于BP神經(jīng)網(wǎng)絡模型的預測
7、1、神經(jīng)網(wǎng)絡模型的定義神經(jīng)網(wǎng)絡（NeuralNetworks,NN）是由大量的、簡單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復雜網(wǎng)絡系統(tǒng)，它反映了人腦功能的許多基本特征，是一個高度復雜的非線性動力學習系統(tǒng)。神經(jīng)網(wǎng)絡具有大規(guī)模并行、分布式存儲和處理、自組織、自適應和自學能力，特別適合處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題。神經(jīng)網(wǎng)絡的發(fā)展與神經(jīng)科學、數(shù)理科學、認知科學、計算機科學、人工智能、信息科學、控制論、機器人學、微電子學、心理學、光計算、分子生物學等
