基于Adaboost-CART模型的動臥列車客座率預測

摘要：由于動臥列車運行距離較長,主要競爭對手為同區(qū)間航空運輸,航空票價水平和動態(tài)浮動會對動臥列車客流產(chǎn)生影響,因此從航空票價角度,研究動臥列車客座率。選取CART模型作為弱學習器,通過Adaboost集成學習算法將弱學習器訓練為強學習器,即采用Adaboost-CART模型實現(xiàn)對動臥列車客座率的預測。以京滬高鐵動臥列車為例,對該方法進行驗證,結(jié)果表明:利用Adaboost-CART模型能夠較好地對動臥列車客座率進行預測,且精度優(yōu)于單一CART模型和多元回歸模型等傳統(tǒng)預測方法,驗證了Adaboost-CART模型的有效性和可靠性。