【摘要】：隨著移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展,運(yùn)用手機(jī)等設(shè)備在網(wǎng)上訂購(gòu)酒店的方式日益受到了消費(fèi)者的喜愛(ài)。如何利用訂購(gòu)平臺(tái)上積累的海量數(shù)據(jù)對(duì)各酒店在未來(lái)一段時(shí)間的線上銷量進(jìn)行預(yù)測(cè)是平臺(tái)進(jìn)行收益管理與平臺(tái)管理的核心。然而,酒店的線上銷量數(shù)據(jù)通常受到復(fù)雜的市場(chǎng)因素的影響,具有波動(dòng)復(fù)雜,節(jié)假日效應(yīng)明顯的特點(diǎn)。傳統(tǒng)的單一時(shí)序模型難以精準(zhǔn)捕捉到酒店銷量波動(dòng)特性,且移植性較差。針對(duì)上述問(wèn)題,本文提出了一種基于組合模型的酒店線上銷量預(yù)測(cè)算法。該算法由兩個(gè)模型組成,即基于殘差擬合的非節(jié)假日酒店線上銷量預(yù)測(cè)模型與基于Lasso的節(jié)假日酒店線上銷量預(yù)測(cè)模型。在預(yù)測(cè)前,算法首先判斷待預(yù)測(cè)時(shí)間段屬于什么時(shí)期,并采用對(duì)應(yīng)的模型進(jìn)行預(yù)測(cè)。對(duì)于基于殘差擬合的非節(jié)假日酒店線上銷量預(yù)測(cè)模型,本文針對(duì)非節(jié)假日時(shí)期的酒店線上銷量數(shù)據(jù)具有強(qiáng)周期性以及隨機(jī)性的特點(diǎn),設(shè)計(jì)并實(shí)現(xiàn)了基于殘差擬合模型組合方法對(duì)非節(jié)假日時(shí)期的酒店銷量進(jìn)行預(yù)測(cè)。該方法使用FBProphet模型與LightGBM模型來(lái)分別預(yù)測(cè)酒店銷量的規(guī)律項(xiàng)與隨機(jī)項(xiàng),并將兩個(gè)模型的結(jié)果進(jìn)行了結(jié)合以得到最終的預(yù)測(cè)結(jié)果。對(duì)于基于Lasso的節(jié)假日酒店線上銷量預(yù)測(cè)模型,本文針對(duì)節(jié)假日時(shí)期的酒店線上銷量數(shù)據(jù)具有爆發(fā)性的特點(diǎn),對(duì)日期與節(jié)假日的相對(duì)關(guān)系、提前預(yù)定量以及歷史銷量分位數(shù)與節(jié)假日時(shí)期的線上銷量之間的相關(guān)性進(jìn)行了分析。并基于這些分析設(shè)計(jì)了相應(yīng)的特征工程與模型。此外,還提出了異常酒店的檢測(cè)與修正方法對(duì)銷量異常的酒店進(jìn)行檢測(cè)并進(jìn)行預(yù)測(cè)值修正。所提算法通過(guò)對(duì)不同時(shí)間階段的銷量預(yù)測(cè)任務(wù)分別建模的方式解決了單模型在酒店線上銷量預(yù)測(cè)場(chǎng)景中可移植性差的問(wèn)題。同時(shí),算法中還包含了異常酒店的檢測(cè)與修正方法,緩解了模型難以對(duì)異常酒店預(yù)測(cè)出可靠結(jié)果的問(wèn)題。本文采用國(guó)內(nèi)某知名訂購(gòu)平臺(tái)的真實(shí)銷量數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù),通過(guò)一系列實(shí)驗(yàn)證明了本文算法在節(jié)假日時(shí)期與非節(jié)假日時(shí)期的Mae性能均優(yōu)于LightGBM、FBProphet等單模型的性能。
【圖文】：

于組合模型的酒店線上銷量預(yù)測(cè)模型的算法框架。最后詳細(xì)介紹了該算法框架中用到的兩個(gè)主要算法的原理，即 FBProphet 算法與 LightGBM 算法的原理。2.1 酒店線上銷量預(yù)測(cè)算法框架2.1.1 酒店線上銷量數(shù)據(jù)分析與其他類型的電商產(chǎn)品的銷量不同，，酒店的線上銷量是酒店在某個(gè)時(shí)間段內(nèi)，房間出租量的表示。目前，最常用的酒店銷量計(jì)算單位為消費(fèi)間夜量，它的計(jì)算方式為：間夜量=入住房間數(shù)*入住天數(shù)。本文對(duì)酒店線上銷量的預(yù)測(cè)是以天為粒度的，即所要預(yù)測(cè)的是酒店在 OTA 平臺(tái)上每天的實(shí)際消費(fèi)間夜量。為了方便描述，定義本文中的銷量、酒店銷量、線上銷量、消費(fèi)間夜量等詞互為同義詞。酒店的消費(fèi)間夜量數(shù)據(jù)是一類典型的時(shí)間序列數(shù)據(jù)。如圖 2.1 所示，為國(guó)內(nèi)某知名 OTA 平臺(tái)上 500 家酒店在 2015 年 1 月 1 號(hào)至 2015 年 12 月 31 號(hào)一整年的總消費(fèi)間夜序列圖。

圖 2.2 2015 年 11 月總銷量序列圖由于 2015 年 11 月 1 日到 2015 年 11 月 30 日不存在節(jié)假日也基本不受到響，因此選擇該時(shí)段作為非節(jié)假日時(shí)期酒店銷量數(shù)據(jù)的研究時(shí)段。圖 2.2 所示為上文提到的 500 家酒店在此階段線上總消費(fèi)間夜量的時(shí)序圖，由于國(guó)內(nèi)五天工作日制度的影響，酒店的線上消費(fèi)間夜量在非節(jié)假日時(shí)顯的周期性，即周五周六的線上消費(fèi)間夜量明顯高于其他時(shí)間的線上消費(fèi)上消費(fèi)間夜量具有以七天為周期的重復(fù)性。除此之外，酒店的線上消費(fèi)間其他多種因素（如價(jià)格、平臺(tái)排名、競(jìng)爭(zhēng)對(duì)手調(diào)價(jià)）的影響，這也造成了量序列中存在著趨勢(shì)項(xiàng)與隨機(jī)項(xiàng)。（2）節(jié)假日時(shí)期的酒店消費(fèi)間夜量數(shù)據(jù)分析
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F719.2;F724.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 趙學(xué)斌;李大學(xué);謝名亮;;短生命周期產(chǎn)品的銷量預(yù)測(cè)模型研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年11期

2 何永沛;;ARMA模型參數(shù)估計(jì)算法改進(jìn)及在股票預(yù)測(cè)中的應(yīng)用[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年02期

3 張錄達(dá),金澤宸,沈曉南,趙龍蓮,李軍會(huì),嚴(yán)衍祿;SVM回歸法在近紅外光譜定量分析中的應(yīng)用研究[J];光譜學(xué)與光譜分析;2005年09期

本文編號(hào)：2695498