下载掌阅APP，畅读海量书库
立即打开
随着航空运输业的快速发展，大量的先进技术、先进经验和先进的管理模式广泛应用于航空运输业，因此，亟须专业性人才投入航空运输业的发展建设中。肩负人才培养重任的高等学校，应该转变人才培养模式，不断优化人才培养方案，建立合理的学科结构，从而提高人才培养的质量，这对于航空运输业的发展具有重要意义。2010—2018 年我国航空运输业的从业人数如表 2. 1 所示，从业人数变化趋势如图 2. 1 所示。
表 2. 1 2010—2018 年中国航空运输业从业人数
单位：人
数据来源：中国统计年鉴。
从表 2. 1 可以看出，2011—2018 年我国航空运输业从业人数的年增长率分别为 23.25％，12.18％，31.45％，2.71％，8.97％，7.58％，4.87％，3. 47％，说明从 2011 年开始，随着航空运输业的快速发展，我国航空运输业的从业人数呈现不断增长的趋势，最大的年增长率达到了 31. 45％。随着从业人数的快速增加，增长率也逐年递减，序列呈现出典型的先快后慢的趋势，符合缓冲算子的应用条件。因此，本章以 2011—2016 年的数据作为建模数据，以 2017—2018 年的数据作为预测数据，以检验不同建模方法的精度，不同方法的计算结果如表 2.2 所示。其中， WAWBO （ weighted average weakening buffer operator）为加权平均弱化缓冲算子，在WAWBO－V中，经过遗传算法求解，最优参数为 α ＝ 1， β ＝ 0. 4。
图 2. 1 2010—2018 年中国航空运输业从业人数变化趋势
表 2. 2 不同灰色预测模型的预测结果
注：①APE （absolute percentage error） ＝ 100％
；
②MAPE （mean absolute percentage error） ＝ 100％
；下同。
一般来说，平均相对误差和模拟误差都要求越小越好，具体精度检验等级如表 2. 3 所示。
表 2. 3 精度检验等级参照
从表 2. 2 的计算结果可以看出，直接采用原始序列建立灰色预测模型，由于冲击扰动对系统的干扰，三步预测的平均误差达到 14. 23％，预测精度为四级，误差偏大，不适合用于预测；加入加权平均弱化算子之后，误差有所降低，但仍然达到 7. 13％，预测精度为三级；运用本章提出的含时变参数的弱化缓冲算子，预测误差降低至 2. 23％，精度得到较大幅度的提升，进一步丰富和完善了缓冲算子的理论体系。
通过本章提出的含时变参数的弱化缓冲算子的建模过程和实际应用结果可以看出，新的缓冲算子在处理时间权重的表现上更为灵活，对于缓冲强度和缓冲效果的调整更为细腻。因此，本章提出的新缓冲算子可以应用在受到冲击扰动的系统序列的预测上，以有效解决定性分析和定量计算不相符的问题。