10.19678/j.issn.1000-3428.0053569
基于多粒度时间注意力RNN的航班客座率预测
准确预测航班客座率有利于处理航班机票超售、座位虚耗等问题,然而传统时间序列预测方法只关注航班近期每日客座率的变化特点,无法同时考虑其他因素的影响,预测效果不够理想.针对该问题,提出一种基于多粒度时间注意力机制的循环神经网络模型 MTA-RNN.通过构建多级注意力机制获取航班客座率在不同时间粒度下的时序相关性,同时考虑航班自身属性及节假日等其他因素,得到未来一段时间内的目标航班客座率.在真实历史航班客座率数据集上的实验结果表明,MTA-RNN 模型的预测准确率高于 ARIMA 模型、LSTM模型和 Seq2seq模型.
航班客座率预测、时间序列预测、循环神经网络、注意力机制、编解码器模型
46
TP391(计算技术、计算机技术)
中央高校基本科研业务费专项资金2017JBM027
2020-03-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
294-301