数学建模(航空公司的预定票策略).备课讲稿
航空预订票数学建模.doc
航空预订票数学建模航空预订票数学建模篇1试谈机票订票模型与求解一、概述１．问题背景描述在激烈的市场竞争中，航空为争取更多的客而开展的一个优质服务项目是预订票业务,本模型针对预订票业务，建立二元规划订票方案，既考虑航空的利润最大化，又尽可能减少乘客订票而飞机满员无法登机的抱怨，从而赢得美誉。
航空的经济利润可以用机票收入除飞行费用和赔偿金后的利润衡量,声誉可以用持票按时前登记、但因满员不能飞走的乘客，即被挤掉者限制在一定数量为标准，这个问题的关键因素――预订票的成可是否按时前登机是随机的，所以经济利益和声誉两个指标都应该在平均意义下衡量。
针对此种现象，航空一般都采用超量订票的运营模式，即每班售出票数大于飞机客数。
按民用航空管理有关规定旅客因有事或误机，机票可免费改签一次，此外也可在飞机起飞前退票.航空为了避免由此发生的损失，采用超量订票的方法，即每班售出票数大于飞机客数.但由此会发生持票登机旅客多于座位数的情况,在这种情况下,航空让超员旅客改乘其它航班,并给旅客机票价的20%作为补偿。
为了减少发生持票登机旅客多于座位数的情况,航空需要对乘客数量进行统计，从而对机票预售量做出一定估算,从而获得最大的利润。
2。
问题的提出某航空执行两地的飞行任务。
已知飞机的有效客量为１50人。
按民用航空管理有关规定旅客因有事或误机,机票可免费改签一次，此外也可在飞机起飞前退票。
航空为了避免由此发生的损失，采用超量订票的方法,即每班售出票数大于飞机客数。
但由此会发生持票登机旅客多于座位数的情况,在这种情况下，航空让超员旅客改乘其它航班，并给旅客机票价的２０％作为补偿。
要求（１）假设两地的机票价为1500元,每位旅客有0.04的概率发生有事、误机或退票的情况,问航空多售出多少张票，使该的预期损失达到最小?（2）上述参数不变的情况下，问航空多售出多少张票，使该的预期利润达到最大，最大利润为多少？3。
分析与建立模型(1)假设两地的机票价为1500元,每位旅客有0.04的概率发生有事、误机或退票的情况,问航空多售出多少张票,使该的预期损失达到最小?（2）上述参数不变的情况下，问航空多售出多少张票，使该的预期利润达到最大,最大利润为多少?设飞机的有效客数为N，超订票数为S（即售出票数为NS），k为每个座位的盈利值，h为改乘其他航班旅客的补偿值。
航空公司的预订票策略
数理信息学院课程设计报告书题目航空公司的预订票策略数学系专业？？？？？学生指导教师日期航空公司的预订票策略摘要本文针对在综合考虑经济利润和社会声誉情况下对最优预售票数的决策进行了讨论。
针对问题一，只考虑经济效益，航空公司的经济利润可以用机票收入扣除飞行费用和赔偿金后的利润来衡量，建立单目标规划模型。
针对问题二，从航空公司的长远利益出发，。
以公司经济利益最大化和社会声誉尽量不受影响为原则。
社会声誉可以用持票按时前来登记、但因满员不能飞走的乘客，即被挤掉者限制在一定数量为标准，由于预订票的乘客是否按时前来登机是随机的，所以经济利益和社会声誉两个指标都应该在平均意义下衡量。
于是航空公司预订票模型简化为一个双目标的规划问题，即求航空公司的平均利润()S m和被挤掉的乘客数超过j人的概率()P m之间的平衡关系，决策变量是预订j票数量的限额m。
乘客是否前来登机是随机的，所以文章运用概率的思想使其服从二项分布。
最后，我们对模型进行了推广与评价。
考虑不同的客源的实际需要，对补偿金模型进行改进优化，比较详细的给出了航空公司的预订票策略，具有很强的实际指导意义。
关键字：双目标规划模型、单目标规划模型、线性权值法、概率分布、利润最大一、问题重述1.1 基本情况：随着社会经济水平的不断提高，越来越多的人们选择乘坐飞机出行。
航空行业发生了巨大的变化，在激烈的市场竞争中，航空公司为争取更多的客源而开展的一个优质服务项目是预订票业务。
它的特点是：旅客可以在飞机起飞前一百多天里向购票处或航空公司订票，由于离飞机起飞时间较长，以及旅客行为的不确定性，往往航空公司会售出超过实际座位数的票数，即超售。
在订座决策中，航空公司面临2种风险：空座风险和超售风险，以航班客座容量为临界点，如果超售的结果（即实际到达机场的已预定座位的旅客人数）少于航班容量，会造成座位剩余，这就是空座风险；如果决策结果多于航班容量，造成有些旅客被拒绝登机，从而带来超售风险，合理的超售可以减少空位损失，所以确定合理的超售数额是十分必要的。
数学建模 航空公司的预订票策略说课材料
数学建模航空公司的预订票策略书上作业：P317“取β=0.75，t=50,100,150，其他参数同上，计算结果表明，当t 增加时)(m J 和)(m P j 均有所减少”写出程序及结果。
模型求解求解()J m 的程序如下：n=300;lambda=0.6; p=0.05; bg=0.2; beta=0.75; t=50; nn=50;for m=n:n+nnj(m-n+1)=jm(m,n,lambda,p,bg,beta,t); end j'其中函数程序为:function y=jm(m,n,lambda,p,bg,beta,t) q=1-p;bb=0:m-n-1;pk=pdf('bino',bb,m-t,p); temp=sum((m-n-bb).*pk);y=(q*m-(q-beta)*t-(1+bg)*temp)/(lambda* (n-((1-beta)*t)))-1; 求解)(m P j 的程序如下：n=300; nn=50; p=0.1; j=10;for m=n:n+nnpp(m-n+1)=pj(m,n,j,p); end pp'其中函数程序为:function y=pj(m,n,j,p) bb=0:m-n-j-1; t=50;pk=pdf('bino',bb,m-t,p);y=sum(pk);取p=0.05，0.1；t=50,100,150；bg=0.2，0.4；j=5，10，得到计算结果。
（对照书本上可将计算结果制定成表格）实验结果：结果分析：参考书上例题，综合考虑经济效益和社会声誉，得出：()5P m ＜0.2，()10Pm ＜0.05， 则由表1、2可知，当n=300时，若估计p=0.05,取m=311;若估计p=0.1,取m=318.。
航空公司的预订票策略
航空公司的预订票策略
在激烈的市场竞争中，航空公司为争取更多的客源而开展的一个优质服务项目是预订票业务。
公司承诺，预先订购机票的乘客如果未能按时前来登机，可以乘坐下一班机或退票，无需附加任何费用。
当然也可以订票时只订座，登机时再付款，这两种办法对下面的讨论是等价的。
设飞机容量为n，若公司限制只预订n张机票，那么由于总会有一些订了机票的乘客不按时前来登机，致使飞机因不满员飞行而利润降低，甚至亏本。
如果不限制订票数量，则当持票按时前来登机的乘客超过飞机容量时，将会引起那些不能登机的乘客（以下称被挤掉者）的抱怨，导致公司声誉受损和一定的经济损失（如付给赔偿金）。
这样，综合考虑公司的经济利益和社会声誉，必然存在一个恰当的预订票数量的限额。
假设已经知道飞行费用（可设与乘客人数无关）、机票价格（一般飞机满员50%~60%时不亏本，由飞行费用可确定价格）、每位被挤掉者的赔偿金等数据，以及由统计资料估计的每位乘客不按时前来登机的概率（不妨认为乘客间是相互独立的），建立一个数学模型，综合考虑公司经济利益（飞行费用、赔偿金与机票收入等）和社会声誉（被挤掉者不要太多，被挤掉的概率不要太大等），确定最佳的预订票数量。
数学建模(航空公司的预定票策略)
数学建模竞赛承诺书我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们将受到严肃处理。
我们参赛选择的题号是（从A/B中选择一项填写）： B我们的队号为：11参赛队员：1. 电子0903 徐路源2. 数学0901 王璐璐3. 数学0901 张乐孝指导教师或指导教师组负责人：数模组日期： 2010 年 8 月 10 日评阅编号（由评阅老师评阅前进行编号）：.数学建模竞赛编号专用页评阅编号：预测机票价格和预定数量限额最优问题摘要本文所要讨论的问题可以归结为一个趋势拟合和基于二项分布求最优决策的问题。
建立了两个模型：分别用来预测机票的未来价格和求机票的预定限额。
首先我们根据所给的2005年10月～2010年3月期间，每月经济舱机票平均价格(单位:元)数据，通过Matlab 软件用函数去拟合，所得函数即为机票预订价格的数学模型。
可表示为：f(x)=a1*exp(-((x-b1)/c1)^2)+a2*exp(-((x-b2)/c2)^2)+a3*exp(-((x-b3)/c3)^2)+a4*exp(-((x-b4)/c4)^2) +a5*exp(-((x-b5)/c5)^2) + a6*exp(-((x-b6)/c6)^2)但在预测中发现，由模型所得参考价格不合实际。
单方面拟合出的模型并不具有实际价值。
之后我们采用趋势外推法中最小二乘法的周期波动模型来解题。
通过与实际价格的比较，发现其误差较小且置信度较高。
所以我们得到的机票预定价格的数学模型即为)122sin(*4632.0)122cos(*9938.0)122sin(0239.58)122cos(*9355.492690.73877.638~xx x x xx ytππππ-+-++=价格随时间呈周期性变化，每过一个周期价格略有上升。
机票预售价格和策略的数学模型
图 14 图中星号为实际值；曲线为拟合值。 从上图中可以看出，拟合曲线和每个点结合的也很不错
45
4. 预测 利用前十周的数据拟合后的模型对第十一，十二周进行预测，结果如下表： 表六 模型三对十一十二周价格的预测 Obs Forecast Std Error 95% Confidence Limits 71 500.0000 60.4830 381.4556 618.5444 72 500.0000 73.4987 355.9452 644.0548 73 500.0000 87.5420 328.4208 671.5792 74 590.0000 98.7812 396.3925 783.6075 75 590.0000 109.1008 376.1664 803.8336 76 490.0000 118.4582 257.8263 722.1737 77 490.0000 127.1480 240.7945 739.2055 78 490.0000 165.9637 164.7170 815.2830 79 490.0000 187.8259 121.8681 858.1319 80 490.0000 209.9188 78.5666 901.4334 81 580.0000 229.1729 130.8294 1029.1706 82 580.0000 247.1375 95.6195 1064.3805 83 480.0000 263.8217 -37.0810 997.0810 84 480.0000 279.5293 -67.8674 1027.8674 把预测后的曲线和实际值画成联合曲线如下图：
2. 用 SAS 软件对模型进行求解： 考虑到机票的价格的波动以 7 天为周期， 所以对原序列作 7 步差分， 差分后的时序图如图 8。
《概率模型——航空公司的预订票策略》示范课教学课件【高中数学人教A版】
J1
0.5833
0.5939
0.6044
0.6150
0.6254
0.6355
0.6445
0.6519
0.6568
m
318
320
322
324
326
328
330
332
334
P5
0.1931
0.3627
0.5555
0.9730
J1
0.6594
0.6600
0.6592
302
304
306
308
310
312
314
316
P5
0
0
0
0
0
0
0
0
0
J2
0.5000
0.5100
0.5200
0.5300
0.5400
0.5500
0.5600
0.5700
0.5800
318
320
322
324
326
328
330
332
334
336
0
0.0002
0.0008
0.0030
0.0093
0.0243
航空公司的预订票策略
1 问题的提出
航空公司为了提高经济效益开展了一项预订票业务。随之带来一系列的问题：若预订票的数量恰等于飞机的容量，则由于总会有部分已订票的乘客不按时前来登机，致使飞机因不满员而利润降低，或亏本；若不限制订票的数量，那些本已订好了某家航空公司的某趟航班的乘客，却被意外地告知此趟航班已满，公司不管以什么方式补救总会引起乘客的抱怨，导致荣誉受损。
课堂练习
数学建模-最佳预定票策略(案例分析)
张三、李四
发表时间
XXXX年XX月
THANK YOU
感谢聆听
THANK YOU
感谢聆听
VS
结果分析
通过模型预测，发现未来一周的票房走势 呈现上升趋势。同时，根据观众预订数据 ，分析了不同渠道、不同时间点的预订情 况，发现通过线上渠道提前一周预订电影 票的观众数量最多。
模型应用与结果分析
模型应用
采用时间序列分析、回归分析和机器学 习等方法，对收集到的数据进行分析， 构建了预测未来票房走势的数学模型， 并基于该模型制定最佳预定票策略。
03
最佳预定票策略模型
模型建立
80%
确定问题
首先需要明确问题是关于最佳预 定票策略的，目标是最大化收益 或最小化成本。
100%
设定变量
定义相关的变量，如预定票的数 量、每张票的价格、预定费、退 票费等。
80%
建立数学模型
根据问题描述和变量设定，建立 适合的数学模型，如线性规划、 整数规划或动态规划等。
模型验证
我们使用历史数据对模型进行了验证，结果表明模 型预测的结果与实际结果非常接近，证明了模型的 准确性和可靠性。
适用范围
该策略适用于具有相似特点的场景，如电影票、演 唱会门票等，具有一定的普适性。
研究成果总结
最佳预定票策略
通过数学建模，我们找到了最佳的预定票策略，即 在提前预定的情况下，选择在最后时刻预定票可以 获得最大的收益。
究，未来可以进一步探索。
02
考虑其他影响因素
在本次研究中，我们主要考虑了时间因素，但实际上，其他因素如票价、
折扣等也可能对预定票策略产生影响，未来可以综合考虑这些因素。
03
推广应用
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数学建模竞赛承诺书我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们将受到严肃处理。
我们参赛选择的题号是（从A/B中选择一项填写）： B我们的队号为：11参赛队员：1. 电子0903 徐路源2. 数学0901 王璐璐3. 数学0901 张乐孝指导教师或指导教师组负责人：数模组日期： 2010 年 8 月 10 日评阅编号（由评阅老师评阅前进行编号）：.数学建模竞赛编号专用页评阅编号：预测机票价格和预定数量限额最优问题摘要本文所要讨论的问题可以归结为一个趋势拟合和基于二项分布求最优决策的问题。
建立了两个模型：分别用来预测机票的未来价格和求机票的预定限额。
首先我们根据所给的2005年10月～2010年3月期间，每月经济舱机票平均价格(单位:元)数据，通过Matlab 软件用函数去拟合，所得函数即为机票预订价格的数学模型。
可表示为：f(x)=a1*exp(-((x-b1)/c1)^2)+a2*exp(-((x-b2)/c2)^2)+a3*exp(-((x-b3)/c3)^2)+a4*exp(-((x-b4)/c4)^2) +a5*exp(-((x-b5)/c5)^2) + a6*exp(-((x-b6)/c6)^2)但在预测中发现，由模型所得参考价格不合实际。
单方面拟合出的模型并不具有实际价值。
之后我们采用趋势外推法中最小二乘法的周期波动模型来解题。
通过与实际价格的比较，发现其误差较小且置信度较高。
所以我们得到的机票预定价格的数学模型即为)122sin(*4632.0)122cos(*9938.0)122sin(0239.58)122cos(*9355.492690.73877.638~xx x x xx ytππππ-+-++=价格随时间呈周期性变化，每过一个周期价格略有上升。
这与人民经济生活水平提高分不开的。
最后，我们搜集了一些数据来佐证我们模型的价值。
根据实际情况，制定合理的预定策略需从经济利益最大化和社会声誉最好两方面来考虑。
社会声誉可以用定了票来登机因飞机满员而不能起飞的乘客不超过某一给定值来衡量。
则这个问题可化为经济利益最大化为单目标来求解。
我们假设每位乘客不按时前来登机的概率为p ，是否前来登机是相互独立的，则不按时前来登机的乘客数服从二项分布。
又因为订票需付一定量的定金，且在飞机起飞前48小时内取消预订会没收全部订金。
对此，我们分情况讨论。
由概率分布知识可得利润S 关于预定量限额M 的函数为由利润最大化，利用Matlab 软件求出M 的最优解，通过检验和灵敏度分析，由模型得出的机票预订限额置信度较高。
查阅资料得，此限额较符合实际情况。
最后，我们根据我们建立的模型对其进行优化。
由实际可能出现的情况增设某类旅客（学生、旅游者）的减价票，规定迟到则机票作废。
在此基础上再建立一个模型。
分别求此时飞机的参考价格和预定限额。
关键字：曲线拟合、趋势外推、周期波动、概率分布、利润最大一、问题重述航空公司对机票一般采取预定策略。
客户可以通过电话或互联网预定，这种预定具有很大的不确定性，客户很可能由于各种原因取消预定。
航空公司为了争取最大利润，一方面要争取客户，另一方面要降低因客户取消预定遭受的损失。
为此，航空公司采用一些措施。
首先，要求客户提供信用卡号，预付一定数量的定金。
如果客户在飞机起飞前48小时内取消预定，定金将如数退还，否则定金将被没收。
其次，航空公司采用变动价格，根据市场需求情况调整机票价格，一般来说旺季机票价格比较高，淡季价格略低。
（1）建立机票预定价格的数学模型，并对以下实例作分析。
表1给出了某某航空公司某条航线2005年10月～2010年3月期间，每月经济舱机票平均价格(单位:元)，用模型说明价格变动的规律，并据此估计未来一年内的经济舱机票的参考价格。
收集更多的数据来佐证模型的价值（要求注明出处）。
（2）在旺季，航空公司往往可以预定出超过实际座位数的机票数, 以减低客户取消预定时航空公司的损失。
但这样做可能会带来新的风险, 万一届时有超出座位数的客户出现, 航空公司要通过升级机票档次或赔款来解决纠纷, 为此航空公司还会承担信誉风险. 某条航线就一中机型，有头等舱20座，经济舱300座，每天一班航班。
为该航线制定合理的预定策略, 并论证理由。
表１某航空公司某条航线2005年10月～2010年3月经济舱月平均价格(单位:二、背景航空公司订座的特点是：旅客可以在飞机起飞前一百多天里向购票处或航空公司订票，由于离飞机起飞时间较长，以及旅客行为的不确定性，往往航空公司会售出超过实际座位数的票数，即超售。
在订座决策中，航空公司面临2种风险：空座风险和超售风险，以航班客座容量为临界点，如果超售的结果（即实际到达机场的已预定座位的旅客人数）少于航班容量，会造成座位剩余，这就是空座风险；如果决策结果多于航班容量，造成有些旅客被拒绝登机，从而带来超售风险，合理的超售可以减少空位损失，但要确定合理的超售数额，却是十分困难的。
超售是航空公司收益管理的一项重要内容，这是解决所谓的No Show问题，提高航空公司效益的重要技术手段，同时也有许多理论问题甚至法律问题需要研究。
在实际航运中，航空公司发现经常发生已购票的乘客没有乘机（叫做No Show），使得一些座位空着虚飞，而一些想旅行的和一些有急事临时到达机场（叫做Co Show）的旅客却因购不到票而不能成行，这不仅浪费了航空公司的生产资源，同时也浪费了社会资源。
根据对历史销售和离港数据进行分析，可以预测旅客的No Show率和Co Show率，然后确定超售率进行机票销售。
这样做不但可以充分利用热线航班的座位，提高航空公司的收益，同时也使得其他想乘机旅行人员能够成行，可以说是各方都受益的好事。
德国汉莎航空公司在超售方面所做的工作非常出色，每年能为公司多创造5%的收益。
因此对超售的研究一直为航空公司所重视。
但超售预测不可能十分准确，因此可能发生所谓的DB（Denied Boarding）问题，即实No Show率低于Co Show率时，便发生了已购票并来乘机的旅客上不了飞机的问题。
这常常引起旅客的不满甚至航空公司与旅客的冲突，航空公司采取补偿DB旅客以化解矛盾的做法，但这样的补偿常常是机票价格的两倍以上。
发生DB，航空公司的成本迅速上升，这也是航空公司不愿意看到的。
因此超售是一把双刃剑，如何解决好No Show率和DB这一对矛盾，一直是航空公司和学术界都十分关心的问题。
目前研究的较多的是机票超售模型是静态的。
对于一个航班从开始销售之日到飞机起飞时，超售的数量保持不变。
这样将完全忽略机票实际销售情况。
超售实际上完全溶于机票销售过程中。
在机票销售过程中，航空公司的订座系统一面接受旅客的订票，一面接受旅客的取消订票或是改签其他航班。
显然机票的预定速度应大大超过取消速率，在飞机起飞前某时刻将达到或接近飞机的容量，此时航空公司就将面临超售问题。
一般来说，航空公司可以控制订票的流量，当已定机票超过理想的数量时，就不再接受订票的请求。
但是由于订票需求的不确定性，目前被拒绝的需求未来不再出现，而未来的取消还继续发生，则到飞机起飞时将产生空座，造成航班收益下降。
因此机票的超售是一个动态的决策过程。
这一过程依赖于当前的销售状态，未来的需求分布，机票取消分布和起飞时的NO-SHOW率、三、符号说明四、模型假设1、各位乘客是否按时前来登机是相互独立的（这适用于单独行动的商人、游客）。
2、每趟飞机预定票数量都大于飞机的实际座位数。
3、飞行费用与乘客人数无关，为一个固定的常数。
4、头等舱与经济舱顾客未按时取消订票的概率相等五、问题分析与建立模型（1）方法一：分析：由所给数据，用Matlab软件来拟合函数，再根据函数来预测经济舱机票的参考价格。
记2005年10月份为x=1，则05年11月份为x=2，以此类推。
即：2005年10月为第一个月份，如：x=10，则表示06年7月拟合结果如下：由求解报告得知：数学模型为：f(x)=a1*exp(-((x-b1)/c1)^2)+a2*exp(-((x-b2)/c2)^2)+a3*exp(-((x-b3)/c3)^2)+a 4*exp(-((x-b4)/c4)^2)+a5*exp(-((x-b5)/c5)^2) + a6*exp(-((x-b6)/c6)^2)a1=258.1 (-4931, 5447)b1=11.84 (-21.32, 45)c1=5.754 (-30.07, 41.58)a2=-763.3 (-4.991e+006, 4.989e+006)b2=9.738 (-2804, 2823)c2=35.18 (-6.951e+004, 6.958e+004)a3=1400 (-7.956e+004, 8.236e+004)b3=27.96 (-3.621, 59.55)c3=6.392 (-96.3, 109.1)a4=1255 (-3.937e+005, 3.962e+005)b4=61.28 (-1.531e+010, 1.531e+010)c4=1.48e+004 (-2.162e+012, 2.162e+012)a5=-3.035e+008 (-2.53e+013, 2.53e+013)b5=162 (-7.08e+005, 7.083e+005)c5=29.06 (-1.042e+005, 1.043e+005)a6=-1285 (-9.511e+004, 9.254e+004)b6=28.36 (20.3, 36.43)c6=4.848 (-32.56, 42.25)Goodness of fit:SSE: 2.234e+005R-square: 0.8267Adjusted R-square: 0.7448RMSE: 78.78置信度为：95%。
帮助我们解决实际问题。
方法二：分析：我们产用最小二乘法中趋势外推法的周期波动模型来解题。
季节型时间数列以日历时间为波动周期；循环型时间数列波动周期往往大于一年，且不稳定。
尽管两者有所区别，但都呈周期性波动，因此宜以正弦曲线为基础，经修正波幅与周期拟合波动规律。
正弦曲线预测模型的一般形式为：只要对已知数据按上述各项要求加工填入以后，求解六元一次方程组，得xx 50~，代入预测方程即可开始预测。
用Matlab 软件求出此问题中模型的系数。