航空旅客机票预定量预测问题本质是一个时序数据预测问题,准确地预测机票预定量,可以帮助航空公司及时调控航班产品价格,为航班产品投放提供决策支持,同时也可以提前感知机场的客流量,帮助航空公司及机场做好客运安排。通过研究机票预定量数据发现,预定量数据具有一定程度的周期性变化。另外,通过数据统计不难发现,尽管机票预定量与查询量之间存在量级上的差异,但是两者之间仍然具备密切的关联性。同时,通过调研发现,双休日、节假日等外部因素也会对机票预定量产生影响。因此如何利用好机票预定量自身特征、机票查询量信息以及外部信息以提高机票预定量预测的准确性是本文的主要研究重点与难点。为了解决以上问题,经过调研和研究,本文主要从模型整体框架和外部因素的利用两个方面开展了研究。首先,本文采用基于编码器-解码器的编解码架构搭建预测模型。本文在选用编解码器时采用了循环神经网络作为基本单元,因为循环神经网络往往能够很好得学习到没有明确解析形式的时序数据特征。本文采用了循环神经网络中的LSTM长短期记忆网络作为基本的编解码器,用于学习预定量数据以及查询量数据自身的相关性,同时基于编解码的架构设计预测模型,在编码阶段引入输入注意力机制,以学习查询量数据在查票时间分布上的注意力权重,在解码阶段也引入时间维度上的注意力机制,以学习预定量数据在时间维度上的注意力权重。这样做的优势在于,一方面能够捕捉预定量数据的自回归特性,另一方面能够捕获到查询量对于预定量的影响。其次,本文在构建的编解码架构模型的基础上引入了外部信息融合模块来提高预测准确率。即在解码器注意力网络的计算中引入与预定量强关联的外部信息数据,提高预测的准确性。为了将影响机票预定量的外部因素充分地利用起来,本文的外部因素模块引入了节假日以及双休日信息,同时引入注意力机制来提高外部信息的利用效果。最终采用解码器将预定量与查询量、节假日、双休日结合注意力机制进行合理地关联,来提高预测结果的准确性。最后,本文选取了一条热门航线,抽取该航线的预定量数据以及查询量数据,对数据进行初步解析处理后,得到最终的实验数据集。通过在真实数据集上进行实验后,实验结果表明,基于编码器-解码器架构设计,并同时结合查询量数据和外部信息的航空旅客机票预定量预测模型的预测结果相比较于其他相关预测方法都有显著的提升。