應用倒傳遞網路預測日本來台航空客運需求之研究

章國威

doi:10.29916/JMPP.201009.0007

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2025/01/01~2025/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P120 - 132

社会科学 > 管理学

DOI： 10.29916/JMPP

书目管理工具

相关连结

问题回报

全文下载

应用倒传递网路预测日本来台航空客运需求之研究

A Back-propagation Neural Network Model to Forecast Air Passenger Demand from Japan to Taiwan

章国威(Kuo-Wei Chang)王薏婷(Yi-Ting Wang)陈淑娟(Shih-Yao Kuo)郭仕尧(Shu-Chuan Chen)

管理实务与理论研究； 4 卷 3 期 (2010 / 09 / 01) ， P120 - 132

繁体中文 DOI： 10.29916/JMPP.201009.0007

倒传递网路；需求预测；航空客运； back-propagation neural networks ； forecast ； air passenger

0 个人觉得这篇文章赞

摘要 │ 参考文献 (24) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

Air traffic demand forecasting plays the important role for developing the efficient operating strategy. This study employed supervised back-propagation neural networks to develop a simple MATLAB computer program in order to forecast air passenger demand from Japan to Taiwan. All input variables were collected by literature survey, market analysis and preliminary evaluation. The factors which influence air passenger market were analyzed in detail by deleting method, adding method, and contribution graph. The following 8 variables were selected as the input variables to establish the forecasting model: population in Japan, employed population in Japan, per capita income in Japan, GDP in Japan, GNP in Japan, foreign exchange rate, flight movement from Tokyo (NRT) to Taipei (TPE), per capita income in Taiwan. The novel BPN model can accurately forecast air passenger demand with an extremely low Mean Absolute Percentage Error of 0.34%. The results reveal that flights from Tokyo (NRT) to Taipei (TPE), PCI in Taiwan, and foreign exchange rate are the three most important factors for air passenger volume.

参考文献 ( 24 ) 〈TOP〉

冯正民、梁馨云(1999)。以结构化社会经济因素探讨旅次发生—類神经网路与多元回归之比较。都市与计画，26(1)，55-77。
连结：
蔡宗宪、李治刚、魏健宏(2006)。短期列車旅运需求之類神经网路预测模式建构与评估。运输计画季刊，35(4)，475-506。
连结：
交通部（2009）。來源http://www.motc.gov.tw/，2009 年9 月12 日。
总务省统计局（2009）。來源：http://www.stat.go.jp/index.htm，2009 年9 月12 日。
Chen, K. Y.,Wang, C. H.(2007).Support Vector Regression with Genetic Algorithms in Forecasting Tourism Demand.Tourism Management,28(1),215-226.

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址