發(fā)布時(shí)間：2020-12-19 20:18

　　在民航領(lǐng)域,能否準(zhǔn)確把握機(jī)票價(jià)格的變化趨勢(shì)直接關(guān)系到普通旅客和機(jī)票代理商等民航業(yè)多方參與者的經(jīng)濟(jì)利益,是民航業(yè)者最為關(guān)心的問題之一。準(zhǔn)確的機(jī)票低價(jià)預(yù)測(cè)有助于民航業(yè)需求與供給的靈活對(duì)接以及民航資源的充分利用。隨著機(jī)票自主定價(jià)逐步放開,各個(gè)航空公司對(duì)其航班產(chǎn)品的定價(jià)越來越自由且多元化。而機(jī)票價(jià)格存在著波動(dòng)性大、易受到諸多因素影響、隨機(jī)性強(qiáng)等特點(diǎn),并且各個(gè)航空公司都有著自己復(fù)雜的定價(jià)策略,種種因素使得機(jī)票價(jià)格預(yù)測(cè)成為了一個(gè)極具挑戰(zhàn)的問題。本文利用從國(guó)內(nèi)某訂票網(wǎng)站上采集的真實(shí)價(jià)格數(shù)據(jù),對(duì)機(jī)票價(jià)格數(shù)據(jù)的特點(diǎn)進(jìn)行了統(tǒng)計(jì)分析,發(fā)現(xiàn)機(jī)票價(jià)格數(shù)據(jù)存在著單條航班序列無明顯周期性、不同起飛日期對(duì)應(yīng)序列差異性大、連續(xù)多個(gè)同號(hào)航班序列以“星期”為周期規(guī)律性強(qiáng)等特點(diǎn)�，F(xiàn)有的機(jī)票價(jià)格預(yù)測(cè)方法都不能充分體現(xiàn)機(jī)票價(jià)格變動(dòng)特點(diǎn),無法很好地解決機(jī)票價(jià)格預(yù)測(cè)問題。而卷積神經(jīng)網(wǎng)絡(luò)以其優(yōu)秀的信息提取及特征表達(dá)能力在諸多領(lǐng)域都得到了成功地應(yīng)用,給本文提供了解決機(jī)票價(jià)格預(yù)測(cè)問題的新思路。針對(duì)機(jī)票價(jià)格預(yù)測(cè)問題,本文提出了一種新穎的機(jī)票價(jià)格數(shù)據(jù)組織方式以及兩個(gè)不同的以卷積神經(jīng)網(wǎng)絡(luò)為核心的機(jī)票價(jià)格預(yù)測(cè)模型。本文針對(duì)機(jī)票價(jià)格序列存在查詢?nèi)掌?.. 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－２卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖??

ＬＳＴＭ是一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＲＮＮ）的改進(jìn)模??型。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種重復(fù)利用單元結(jié)構(gòu)、循環(huán)傳遞信息的特殊鏈?zhǔn)降r經(jīng)網(wǎng)絡(luò)，??其結(jié)構(gòu)如圖２－３所示。圖中左部分是ＲＮＮ單元信息循環(huán)傳遞的示意圖，右部分則??是將循環(huán)步驟拆解開的示意圖。ＲＮＮ以其特殊的結(jié)構(gòu)，可以處理序列類型的數(shù)據(jù)，??它可以將上一步信息傳遞到當(dāng)前步，從而達(dá)到了利用序列前后關(guān)系的目的。標(biāo)準(zhǔn)??＿的單元模塊內(nèi)部結(jié)構(gòu)非常簡(jiǎn)單，如圖２－４（ａ）所示，可以只是一個(gè)簡(jiǎn)單的ｔａｎｈ??層，導(dǎo)致其具有長(zhǎng)期記憶不足、易產(chǎn)生梯度消失和梯度爆炸等缺點(diǎn)。??？?？?？?？??八?＿?＝?Ａ?—？?Ａ??？?Ａ??Ｘ?ＸＸＸ??？?？?？?？？？?？??圖２－３循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖??Ｆｉｇ．２－３?Ｓｔｒｕｃｔｕｒａｌ?Ｃｈａｒｔ?ｏｆ?Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ??針對(duì)上述ＲＮＮ的缺陷，ＬＳＴＭ做出來相應(yīng)的改進(jìn)。ＬＳＴＭ擁有與標(biāo)準(zhǔn)循環(huán)神??經(jīng)網(wǎng)絡(luò)相同的整體循環(huán)結(jié)構(gòu)，但其中每一個(gè)單元結(jié)構(gòu)卻比ＲＮＮ復(fù)雜很多，包含了??４個(gè)進(jìn)行交互的結(jié)構(gòu)，如圖２－４（ｂ）所示。這些結(jié)構(gòu)構(gòu)建出了輸入門、遺忘門、輸出??門等結(jié)構(gòu)

ＬＳＴＭ是一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＲＮＮ）的改進(jìn)模??型。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種重復(fù)利用單元結(jié)構(gòu)、循環(huán)傳遞信息的特殊鏈?zhǔn)降r經(jīng)網(wǎng)絡(luò)，??其結(jié)構(gòu)如圖２－３所示。圖中左部分是ＲＮＮ單元信息循環(huán)傳遞的示意圖，右部分則??是將循環(huán)步驟拆解開的示意圖。ＲＮＮ以其特殊的結(jié)構(gòu)，可以處理序列類型的數(shù)據(jù)，??它可以將上一步信息傳遞到當(dāng)前步，從而達(dá)到了利用序列前后關(guān)系的目的。標(biāo)準(zhǔn)??＿的單元模塊內(nèi)部結(jié)構(gòu)非常簡(jiǎn)單，如圖２－４（ａ）所示，可以只是一個(gè)簡(jiǎn)單的ｔａｎｈ??層，導(dǎo)致其具有長(zhǎng)期記憶不足、易產(chǎn)生梯度消失和梯度爆炸等缺點(diǎn)。??？?？?？?？??八?＿?＝?Ａ?—？?Ａ??？?Ａ??Ｘ?ＸＸＸ??？?？?？?？？？?？??圖２－３循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖??Ｆｉｇ．２－３?Ｓｔｒｕｃｔｕｒａｌ?Ｃｈａｒｔ?ｏｆ?Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ??針對(duì)上述ＲＮＮ的缺陷，ＬＳＴＭ做出來相應(yīng)的改進(jìn)。ＬＳＴＭ擁有與標(biāo)準(zhǔn)循環(huán)神??經(jīng)網(wǎng)絡(luò)相同的整體循環(huán)結(jié)構(gòu)，但其中每一個(gè)單元結(jié)構(gòu)卻比ＲＮＮ復(fù)雜很多，包含了??４個(gè)進(jìn)行交互的結(jié)構(gòu)，如圖２－４（ｂ）所示。這些結(jié)構(gòu)構(gòu)建出了輸入門、遺忘門、輸出??門等結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于用戶在線查詢行為的民航異常需求發(fā)現(xiàn)[J]. 許強(qiáng)永,林友芳,萬懷宇,吳麗娜,賈旭光.  中國(guó)科學(xué):信息科學(xué). 2017(08)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[3]機(jī)票價(jià)格預(yù)測(cè)的模糊時(shí)間序列方法[J]. 華逸群,曹健.  小型微型計(jì)算機(jī)系統(tǒng). 2016(11)
[4]基于ARMA平穩(wěn)時(shí)間序列的機(jī)票價(jià)格預(yù)測(cè)模型——以山海關(guān)機(jī)場(chǎng)為例[J]. 林鑫,解沐萱,陳巍立,孟楠,王雪瑩,梁晨旭.  中國(guó)高新技術(shù)企業(yè). 2016(05)
[5]面向臨床心電圖分析的深層學(xué)習(xí)算法[J]. 金林鵬,董軍.  中國(guó)科學(xué):信息科學(xué). 2015(03)
[6]時(shí)間序列的表示與分類算法綜述[J]. 原繼東,王志海.  計(jì)算機(jī)科學(xué). 2015(03)
[7]基于時(shí)間序列的機(jī)票價(jià)格預(yù)測(cè)模型[J]. 顧兆軍,王雙,趙億.  中國(guó)民航大學(xué)學(xué)報(bào). 2013(02)
[8]網(wǎng)絡(luò)爬蟲技術(shù)研究[J]. 于成龍,于洪波.  東莞理工學(xué)院學(xué)報(bào). 2011(03)
[9]基于乘客選擇行為的航空機(jī)票控制模型研究[J]. 陳劍,肖勇波,劉曉玲,陳友華.  系統(tǒng)工程理論與實(shí)踐. 2006(01)

碩士論文
[1]面向民航需求建模的用戶查詢?nèi)罩敬髷?shù)據(jù)分析方法研究與實(shí)現(xiàn)[D]. 周岳騫.北京交通大學(xué) 2016
[2]基于小波神經(jīng)網(wǎng)絡(luò)模型的民航旅客流量預(yù)測(cè)研究[D]. 朱倩.北京交通大學(xué) 2014
[3]時(shí)間序列加法模型的分解預(yù)測(cè)研究[D]. 盧理.西南交通大學(xué) 2007



本文編號(hào)：2926513