伴随人工智能时代的到来,神经网络技术在各个领域都取得了巨大的进展。长短期记忆网络是神经网络的一个重要分支,其不仅在自然语言处理的相关问题上取得了良好的效果,在时间序列问题上也比传统计量经济学和统计学中的数学模型更具优势。伴随着交通运输业的发展和人民生活水平的提高,越来越多的普通老百姓开始将飞机作为首选的出行方式。对于机票作为一种特殊商品,其价格容易受多种因素影响,比如航空公司、剩余座位数、提前购买天数、起飞时间、临近时间的机票价格,这使机票的价格变化不定,消费者很难把握恰当的购买时机,机票价格预测就变成了一个具有实际意义的研究问题。本文旨在利用深度学习的方法来研究机票价格的变化规律,根据相关历史变化信息来预测未来的价格变动情况,搭建统计学预测模型,设计出预测精度高、运行稳定的深度学习算法。本文以国内某航班作为预测研究对象,预测机票价格的三种变化状态:上升、下降与不变。本文先将长短期记忆网络模型作为底层模型,再利用模型融合的思想,将其与极端梯度提升树模型进行模型融合,最后比较单一模型与融合模型的预测效果。本文使用了仿交叉验证作为评估模型的方法,多分类准确率和总体类别准确率来评估预测精度,从而保证预测效果。实验结果表明,长短期记忆网络模型能够找出时间序列之间的影响和关系,并能利用其特有的选择性记忆优势,深入挖掘出机票价格变化中的固有规律,但模型预测效果不稳定,而在该模型基础上融合了梯度提升树的模型,极大的提高了模型的稳定性,预测精度也得到了提高。因此,基于实验结果,本文将融合模型作为最终的机票价格预测模型。