【摘要】：隨著航空工業(yè)的發(fā)展,航空公司的定價(jià)和倉(cāng)位管理策略逐漸變得復(fù)雜,通過(guò)復(fù)雜的模型來(lái)使得公司收益最大化。在缺少相關(guān)公司定價(jià)策略和剩余倉(cāng)位等關(guān)鍵信息的情況下,準(zhǔn)確判斷價(jià)格變動(dòng)并在合適的時(shí)間點(diǎn)購(gòu)買(mǎi)機(jī)票變得十分困難。在過(guò)去的研究中已有許多相關(guān)研究針對(duì)這一問(wèn)題提出了一些方法,但這些方法大多簡(jiǎn)化了問(wèn)題,將其構(gòu)建成預(yù)測(cè)將來(lái)價(jià)格是否會(huì)下跌以及用戶(hù)是否應(yīng)該立刻購(gòu)買(mǎi)的二分類(lèi)問(wèn)題,對(duì)于作為基礎(chǔ)的具體價(jià)格預(yù)測(cè)少有文章提及其預(yù)測(cè)效果,而工業(yè)界出現(xiàn)的一些提供價(jià)格預(yù)測(cè)服務(wù),不僅其預(yù)測(cè)算法難以獲知,其預(yù)測(cè)效果也缺少對(duì)比實(shí)驗(yàn)數(shù)據(jù),難以評(píng)判。而在少數(shù)直接針對(duì)具體價(jià)格預(yù)測(cè)的研究中,其效果仍有一定可以改良的空間。通過(guò)準(zhǔn)確的預(yù)測(cè)價(jià)格變動(dòng)可以有效的幫助用戶(hù)判斷購(gòu)買(mǎi)機(jī)票的價(jià)格時(shí)間點(diǎn),也可以幫助機(jī)票代理商正確決定機(jī)票及其相關(guān)產(chǎn)品的定價(jià)策略。因此如何準(zhǔn)確預(yù)測(cè)機(jī)票價(jià)格變動(dòng)具有重要的研究和實(shí)踐意義。本文在上述背景下,針對(duì)機(jī)票價(jià)格預(yù)測(cè)及其相關(guān)預(yù)測(cè)服務(wù)系統(tǒng)的構(gòu)建問(wèn)題,提出相應(yīng)的算法和完整的系統(tǒng)設(shè)計(jì)方案。本文的主要工作內(nèi)容體現(xiàn)在一下方面:首先提出一種適用于機(jī)票價(jià)格預(yù)測(cè)的集成學(xué)習(xí)算法,機(jī)票價(jià)格變動(dòng)通常是上下文相關(guān)的,且相關(guān)上下文特征在不同數(shù)據(jù)中變化,而一般回歸預(yù)測(cè)算法或時(shí)間序列模型難以有效的將上下文信息包含到模型之中的問(wèn)題,通過(guò)在集成模型中融入上下文信息,并通過(guò)自適應(yīng)調(diào)整的方式,自動(dòng)的發(fā)掘上下文特征,避免人工選擇的主觀性、低效性以及難以應(yīng)對(duì)具有時(shí)變性的場(chǎng)景。通過(guò)不同的實(shí)驗(yàn)驗(yàn)證本算法針對(duì)機(jī)票預(yù)測(cè)這一應(yīng)用場(chǎng)景的有效性以及算法中的各種改進(jìn)與調(diào)整的必要性。針對(duì)數(shù)據(jù)量逐漸增大的場(chǎng)景,本文通過(guò)對(duì)上述預(yù)測(cè)算法的適當(dāng)調(diào)整,提出了一種增量式的模型訓(xùn)練算法,通過(guò)讓上下文特征增量式調(diào)整,并使用可增量式訓(xùn)練的基礎(chǔ)模型,使得整個(gè)算法具備增量式學(xué)習(xí)的能力,從而降低隨著數(shù)據(jù)的積累模型訓(xùn)練耗費(fèi)時(shí)間不斷增加的問(wèn)題,并通過(guò)實(shí)驗(yàn)驗(yàn)證,其效果相較于批量式的訓(xùn)練模型并沒(méi)有明顯的下降。再在此基礎(chǔ)上擴(kuò)大應(yīng)用場(chǎng)景,針對(duì)需要提供更加細(xì)粒度的預(yù)測(cè)場(chǎng)景,需要的預(yù)測(cè)任務(wù)量會(huì)變得十分巨大的問(wèn)題,分析預(yù)測(cè)對(duì)象在短期內(nèi)的變化特性,提出一種基于強(qiáng)化學(xué)習(xí)的通用的安排預(yù)測(cè)時(shí)間點(diǎn)的算法,通過(guò)只在合適的時(shí)間點(diǎn)預(yù)測(cè)來(lái)減少需要的預(yù)測(cè)量,同時(shí)將預(yù)測(cè)的準(zhǔn)確度下降程度限制在合理的范圍。通過(guò)實(shí)驗(yàn)驗(yàn)證算法能夠確實(shí)減少預(yù)測(cè)任務(wù)量,同時(shí)保證預(yù)測(cè)的準(zhǔn)確度。最后提出一種分布式預(yù)測(cè)系統(tǒng),來(lái)提供完整的預(yù)測(cè)服務(wù),本文將對(duì)此系統(tǒng)的各個(gè)模塊的設(shè)計(jì)和實(shí)現(xiàn)進(jìn)行詳細(xì)介紹,同時(shí)針對(duì)系統(tǒng)中的預(yù)測(cè)任務(wù)分配問(wèn)題,通過(guò)將問(wèn)題進(jìn)行適當(dāng)簡(jiǎn)化抽象,轉(zhuǎn)化為裝箱問(wèn)題,并給出一種近似算法來(lái)解決這一問(wèn)題。
【圖文】：

力[36]，其預(yù)測(cè)過(guò)程如圖2 1。圖 2 1 集成學(xué)習(xí)器Fig 2 1 Ensemble Learning集成學(xué)習(xí)框架主要分成兩個(gè)部分，一是構(gòu)建差異化的學(xué)習(xí)器，二是如何將這些分類(lèi)器的結(jié)果進(jìn)行整合。差異化的學(xué)習(xí)器構(gòu)建有三類(lèi)方法：通過(guò)處理數(shù)據(jù)集生成差異化學(xué)習(xí)器、通過(guò)處理數(shù)據(jù)特征結(jié)構(gòu)構(gòu)建差異化分類(lèi)器，通過(guò)分類(lèi)器的處理構(gòu)建差異化分類(lèi)器。1. 通過(guò)處理數(shù)據(jù)集構(gòu)建差異化學(xué)習(xí)器：這種方法一般是在原數(shù)據(jù)集上采用抽樣技術(shù)獲得多個(gè)不同的訓(xùn)練數(shù)據(jù)集，分別用于構(gòu)建不同的學(xué)習(xí)器，常用的方法有bagging[37]和 boosting[38]。前者通過(guò)對(duì)原數(shù)據(jù)集進(jìn)行有放回的采樣構(gòu)建出不同的數(shù)據(jù)集。后者是一個(gè)迭代過(guò)程，通過(guò)改變樣本分布，對(duì)分類(lèi)錯(cuò)誤的樣本增加權(quán)重，使得分類(lèi)錯(cuò)誤的樣本在下一輪迭代的訓(xùn)練學(xué)習(xí)中發(fā)揮更大的作用。2. 通過(guò)處理數(shù)據(jù)特征構(gòu)建差異化學(xué)習(xí)器：通過(guò)對(duì)原數(shù)據(jù)集的特征進(jìn)行采樣，形成不同的特征集，使用不同的特征集分別構(gòu)建不同的學(xué)習(xí)器，這類(lèi)算法中常用的即隨機(jī)森林算法[39, 40]。3. 通過(guò)改變算法的參數(shù)等來(lái)產(chǎn)生不同的同質(zhì)學(xué)習(xí)器

通過(guò)從環(huán)境中獲取知識(shí)，改進(jìn)行動(dòng)方案，當(dāng)某種行為獲得了環(huán)境的正獎(jiǎng)勵(lì)后，便會(huì)加強(qiáng)這種行為的趨勢(shì)，，最終目標(biāo)是發(fā)現(xiàn)每個(gè)狀態(tài)下使得期望的獎(jiǎng)勵(lì)和最大化的策略。一個(gè)強(qiáng)化學(xué)習(xí)系統(tǒng)，agent 與環(huán)境的交互過(guò)程可以表示成圖2 2所示，強(qiáng)化學(xué)習(xí)采用一邊獲得樣例一邊學(xué)習(xí)的方式，在獲取了最新的樣例后會(huì)不斷的更新模型，每次的動(dòng)作都基于最新的模型采取可以獲得最佳 reward 的動(dòng)作。一個(gè)強(qiáng)化學(xué)習(xí)中涉及到探索— 10 —
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP301.6

【參考文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前3條

1 黃承真;云計(jì)算環(huán)境下機(jī)票價(jià)格預(yù)測(cè)及任務(wù)分配研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

2 曹志杰;面向互聯(lián)網(wǎng)機(jī)票數(shù)據(jù)抓取與票價(jià)預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

3 陳巖松;機(jī)票票價(jià)預(yù)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2013年

本文編號(hào)：2659847