论文部分内容阅读
在民航领域,能否准确把握机票价格的变化趋势直接关系到普通旅客和机票代理商等民航业多方参与者的经济利益,是民航业者最为关心的问题之一。准确的机票低价预测有助于民航业需求与供给的灵活对接以及民航资源的充分利用。随着机票自主定价逐步放开,各个航空公司对其航班产品的定价越来越自由且多元化。而机票价格存在着波动性大、易受到诸多因素影响、随机性强等特点,并且各个航空公司都有着自己复杂的定价策略,种种因素使得机票价格预测成为了一个极具挑战的问题。本文利用从国内某订票网站上采集的真实价格数据,对机票价格数据的特点进行了统计分析,发现机票价格数据存在着单条航班序列无明显周期性、不同起飞日期对应序列差异性大、连续多个同号航班序列以“星期”为周期规律性强等特点。现有的机票价格预测方法都不能充分体现机票价格变动特点,无法很好地解决机票价格预测问题。而卷积神经网络以其优秀的信息提取及特征表达能力在诸多领域都得到了成功地应用,给本文提供了解决机票价格预测问题的新思路。针对机票价格预测问题,本文提出了一种新颖的机票价格数据组织方式以及两个不同的以卷积神经网络为核心的机票价格预测模型。本文针对机票价格序列存在查询日期和起飞日期两个维度、连续多个同号航班价格序列以“星期”为周期规律性较强的特点,设计了二维的机票价格时间片结构。并针对此结构设计了机票价格预测模型整体架构,该架构首先用简单预测方法填补时间片未知部分,从而构造完整时间片作为后续模型输入;接着利用多形状卷积神经网络对时间片进行特征提取,并加入多维外部特征;最后分别利用多层全连接网络进行特征融合以及利用长短期记忆网络进行时序特征提取等不同方式对上述信息进行处理。从而实现对机票价格的精细化预测。本文在某订票网站的真实机票价格数据集上进行了相关实验,并将本文提出的两种不同的机票价格预测模型与多种流行的基准模型进行了对比,本文模型在平均绝对误差和平均绝对百分比误差两个评价指标上取得了优于其他模型的预测效果。实验结果表明,本文提出的方法能够有效解决机票价格预测问题。