【正文】 800為參考量預(yù)估C919的市場潛力。單架飛機(jī)運(yùn)營成本 ∑其中飛機(jī)第年后由于折舊而付出的成本；由于發(fā)動(dòng)機(jī)在老化過程中燃料利用效率會(huì)不斷下架，因此∑；飛機(jī)第年后共用維修費(fèi)用；在計(jì)算時(shí)，我們采用已經(jīng)很成熟并被廣泛使用的蘭德 DAPCA IV 模型。另外，鑒于全球航空汽油的價(jià)格呈上漲趨勢(shì)，我們?cè)趦蓚€(gè)增長后的航油價(jià)格下得到以下兩個(gè)結(jié)果：圖2 航油價(jià)格增長5%時(shí)運(yùn)營成本比較圖3 航油價(jià)格增長10%運(yùn)營成本比較由圖可知，當(dāng)航油價(jià)格上漲時(shí)，二者運(yùn)營成本都會(huì)有所升高，但C919的運(yùn)營成本增長緩慢，較之B737800的優(yōu)勢(shì)更明顯。在比較舒適度時(shí)，乘客的舒適感與空間擁擠度有直接的關(guān)系，B737800的兩排座椅間距為30厘米，C919的間距為32厘米，設(shè)B737800舒適度為1，則C919舒適度為1=。而未來五年中國（包括香港、澳門），根據(jù)比例可粗略預(yù)計(jì)2016年C919將拿到446架的訂單。在工程估算法的應(yīng)用中，將總系統(tǒng)費(fèi)用分解為許多用費(fèi)用方程聯(lián)系起來的項(xiàng)目細(xì)節(jié)，其反映的因果關(guān)系與實(shí)際情況更加接近，因此具有如下優(yōu)點(diǎn)：結(jié)果準(zhǔn)確， 能對(duì)競爭的各個(gè)方案研究其費(fèi)用差異，允許進(jìn)行詳細(xì)地模擬和靈敏度分析。 C919的研制不僅僅是一種商業(yè)行為，還關(guān)系到中國的經(jīng)濟(jì)安全和國力體現(xiàn)，牽扯到眾多的不易量化的政治因素。對(duì)于民用飛機(jī)而言，其出售時(shí)要收回研究、發(fā)展、試驗(yàn)與鑒定費(fèi)用和生產(chǎn)費(fèi)用兩部分（包括合理的利潤）。因?yàn)閲a(chǎn)商用飛機(jī)和軍機(jī)同樣存在樣本小、數(shù)據(jù)少、性能因素影響顯著等特點(diǎn)，在解決本題時(shí)我們可以借鑒軍機(jī)價(jià)格預(yù)測中廣泛使用的偏最小二乘法、類比法和參數(shù)法，并使用具有學(xué)習(xí)訓(xùn)練功能的神經(jīng)網(wǎng)絡(luò)來對(duì)其進(jìn)行修正。由此，我們可以認(rèn)為飛機(jī)的功能是其價(jià)格的主要影響因素。搜集目前仍在使用的所有商用飛機(jī)的各項(xiàng)性能參數(shù)，構(gòu)建性能參數(shù)及價(jià)格數(shù)據(jù)的初始樣本集。根據(jù)偏相關(guān)系數(shù)篩選出對(duì)價(jià)格影響較大的參數(shù)，最后確定價(jià)格的表達(dá)式。為了收回這兩部分費(fèi)用，需要合理確定民機(jī)售價(jià)。商用飛機(jī)的性能參數(shù)有：幾何參數(shù)：翼展、機(jī)長、高度；性能參數(shù)：經(jīng)濟(jì)/最大巡航速度、最大起飛重量、空重、業(yè)載、發(fā)動(dòng)機(jī)臺(tái)數(shù)/型號(hào)、油箱容量、載客量。綜上所述，使用Matlab，我們先選取飛機(jī)規(guī)格、經(jīng)濟(jì)巡航速度、最大載客量、飛機(jī)運(yùn)營成本、最大業(yè)載作為參數(shù)對(duì)價(jià)格進(jìn)行逐步回歸。得到六個(gè)回歸系數(shù)的估計(jì)值及其置信區(qū)間如下：的置信區(qū)間為（，）；的置信區(qū)間為（，）；的置信區(qū)間為（，）；的置信區(qū)間為（，）；的置信區(qū)間為（，）。至此，第一個(gè)模型已經(jīng)建成。我們又將一些樣本外的機(jī)型的數(shù)據(jù)代入進(jìn)行檢驗(yàn)，結(jié)果顯示該模型用于大型飛機(jī)的價(jià)格預(yù)測時(shí)比較準(zhǔn)確，而在對(duì)中小型飛機(jī)的預(yù)測中結(jié)果總是偏高。成本導(dǎo)向定價(jià)模型飛機(jī)，尤其是商用飛機(jī)的生產(chǎn)和銷售時(shí)是以盈利為目的的高投資的商業(yè)行為，必須結(jié)合市場來制定合適的價(jià)格保證盈利。蘭德 DAPCA IV 模型是飛機(jī)發(fā)展與采購費(fèi)用（Development and Procurement Costs of Aircraft――DAPCA）模型的最終形式，在飛機(jī)壽命周期費(fèi)用分析領(lǐng)域有相當(dāng)?shù)挠绊懥?。鑒于國產(chǎn)大飛機(jī)C919的研制與B737800相比基礎(chǔ)較差，國家前期投入較高，因此收回成本是一項(xiàng)重要的任務(wù)。由于問題一的銷量是在中國2016年市場飽和情況下求得的，所以唯一的手段是大力開拓海外市場，而我們認(rèn)為其重點(diǎn)應(yīng)該放在發(fā)展中國家等價(jià)格和燃油對(duì)決策影響巨大的民機(jī)市場上。另外，此種算法充分利用了Matlab工具箱的優(yōu)勢(shì)，簡化了運(yùn)算。成本導(dǎo)向定價(jià)法的引入進(jìn)一步解決了題干中的成本回收和盈利問題，為C919的生產(chǎn)、上市提供了合理、可行的建議，提高了本文結(jié)論的實(shí)用價(jià)值。最小二乘支持向量機(jī)優(yōu)化指標(biāo)采用了平方項(xiàng),只有等式約束,而沒有標(biāo)準(zhǔn)支持向量機(jī)的不等式約束,從而推出不同的一系列等式約束,將二次規(guī)劃問題轉(zhuǎn)變成線性方程組的求解,簡化了計(jì)算復(fù)雜性,因此具有較快的運(yùn)算速度。五、參考資料【1】《數(shù)學(xué)模型》（第三版）姜啟源 謝金星 葉俊 高等教育出版社 2003年 【2】《基于MATLAB和LINGO的數(shù)學(xué)實(shí)驗(yàn)》 肖華勇 西北工業(yè)大學(xué)出版社 2008年【3】《人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例（第二版） 高雋 機(jī)械工業(yè)出版社 2007年【4】《飛行費(fèi)用與效能分析》【5】《基于MATLAB的多元非線性回歸模型》 董大校 2009年【6】《基于功能驅(qū)動(dòng)的產(chǎn)品價(jià)格預(yù)測》 黃訓(xùn)江六、附錄 %商用飛機(jī)的運(yùn)營成本模型%%前提1：作為運(yùn)營成本的測評(píng)，我們假設(shè)參加測試的N種飛機(jī)在單位時(shí)間內(nèi)航程是相同的%%變量說明 Xi:第i種飛機(jī)的運(yùn)營成本%%alphai:第i種飛機(jī)的平均年折舊率%%ai:第i種飛機(jī)的價(jià)格區(qū)間%clcclear。t=1::20。a=a0a0*q.^t。c=c0*t。)。u0=(+*rand(1))*。v1=v0*(1h.^t)/(1h)。y=w+u+v。b39。)。title(39。國產(chǎn)C919運(yùn)營成本曲線39。grid on。%x3=[ ]。x2。%fprintf(39。%\n39。)。clcclear。%飛機(jī)的橫截面%end%經(jīng)濟(jì)巡航速度%velocity=[935 935 935 935 935 935 885 850 850 850 856 856 ]。%發(fā)動(dòng)機(jī)臺(tái)數(shù)的初始化，此處可根據(jù)需要修改為2%fadongji=2。%747400%y(2) = 238+()*rand(1)。%B777%y(6)=+()*rand(1)。%B757200%y(10)=+()*rand(1)。%737600%z(1)=。%A316%z(5) = 。%A320%z(9) = 。%繪制5組數(shù)據(jù)的散點(diǎn)圖%subplot(1,6,4),plot(V,y,39。+39。)。subplot(1,6,3),plot(engine,y,39。%設(shè)置置信區(qū)間%X=[V。engine]39。fprintf(39。%\n39。)。subplot(1,6,6),rcoplot(r,rint)。end%非線性化后回歸系數(shù)的求解過程%beta=。[b1,bint1,r1,rint1,stats1]=regress(y1,e,beta)。fprintf(39?；貧w方程的統(tǒng)計(jì)量：\n39。,stats1)。finalengine。線性回歸系數(shù)：\n39。,b2)。fprintf(39。cost(12)=。finalengine(12)=*(engine(12))^*(engine(12))^2+*engine(12)。根據(jù)模型，我們預(yù)測C919的價(jià)格為=%\n39。engine(12)=26。new1(12)=finalengine(12)*finalcost(12)。,P737)。 360 400 291 291 375 375 148 214 225 200 128 132 130 204 228 274 375。%747400%y(1) = +()*rand(1)。%B747F%y(5)=+()*rand(1)。%B767300%y(9)= + ()*rand(1)。%B737500%y(13)=+()*rand(1)。y(17)=178。xmax2 =max(x(3,:))。xmax4 =max(x(4,:))。xmin6 =min(x(6,:))。xmin3,xmax3。logsig39。net =train(net,x,y)。 360 400 2