[发明专利]一种基于循环神经网络的机票日订座数预测方法

说明书

技术领域

本发明涉及一种基于循环神经网络的机票日订座数预测方法，属于民航信息技术的技术领域。

背景技术

收益管理的目标是将商品在合适的时间以合适的价格销售给合适的顾客，以达到收益最大化的最终目标。作为航空收益管理的关键技术，航线客流量预测是航空公司实施动态定价、座位存量控制等操作的基础，是航空公司发展规划的重要工作之一。准确的客流量预测能为航空公司的发展提供不可替代的决策支持。

目前已有的关于航线客流量预测的研究，大多是根据航班历史订座数据利用数学模型来预测该航班起飞时的最终客流量。在航空公司的实际操作过程中，预测出航班最终的总售票数虽然对于指导交通管理部门提早进行规划和管理以及优化航空资源配置具有重要作用，但是对于指导该航班预售期中每一天的机票动态定价的意义不大。而如果能准确预测出该航线的航班在预售期中每一天售出的机票数量，则对指导该航班预售期每一天的机票定价具有重要意义。航空公司以预测出的每天订座数为基础，制定机票动态定价策略，以达到最大化收益的目的。

人工神经网络是由大量神经元相互连接构成的运算模型，已在模式识别、智能机器人、自动控制等领域成功解决了许多现代计算机难以解决的实际问题。循环神经网络(RNN)是一种特殊设计的人工神经网络，其与传统前馈神经网络的不同之处在于，其隐藏层引入了定向循环，可以将上一时刻的信息传递到当前时刻，能够处理那些输入之间前后关联的问题。

发明内容

针对现有技术的不足，本发明提供一种基于循环神经网络的机票日订座数预测方法。

本发明的技术方案为：

一种基于循环神经网络的机票日订座数预测方法，包括步骤如下：

1)对原始数据进行预处理；统计属于同一航线的航班、每条航线的总舱位数和每条航线的总订座数；

其中，每条航线有n+1条订座数据，n+1条订座数据对应着从航班起飞前n天到航班起飞当天每一天航线的订座数；其中的航班为某一航线包括的所有航班。

通常航班的预售期为从该航班起飞前n天到该航班起飞当天，因此对于每一个航班，我们都有n+1条订座数据；我们要预测的是某条航线的订座数据，而非某个具体航班的订座数据，因此需要对数据进行预处理，将每一天中该航线所有航班的数据信息进行求和，得到该航线的总数据。

2)首先，将全部数据按照预售票日期与起飞日期间的日期差分为n+1组，编号i＝0～n；n+1组数据分别对应不同的售票日期内每条航线的总舱位数和每条航线的总订座数；

对每一组数据，取连续七个起飞日期的数据，其中前六个起飞日期的数据作为神经网络的输入，第七个起飞日期的数据作为神经网络的输出；神经网络的输入的格式为6行4列的矩阵，矩阵的每一行数据代表起飞日期的历史数据；矩阵的4列数据分别指的是该组数据的编号i、该起飞日期是否为周末、该起飞日期前i天的售票总数、要预测的第七天的舱位总数；其中，组编号i和要预测的第七天的舱位总数均为6行共用；神经网络的输出的格式为为一个标量值；神经网络输出的标量值代表要预测的第七天的航线在起飞日前i天时当天的售票数。所谓的6行共用即6行数据相同。

3)对全部n+1组数据依次进行以上操作，得到全部的训练数据样本；

4)选取测试样本，输入训练好的模型中，得到预测结果。

根据本发明优选的，所述n＝17。

本发明的有益效果为：

1.本发明所述基于循环神经网络的机票日订座数预测方法，利用循环神经网络建模航空订座数据序列信息，应用于航空订座数据预测；与现有技术相比，不仅能够预测某航线所有航班最终起飞时的总订票数，还能对航班起飞前每一个预售票日期售出的机票数量进行预测，进而指导每个预售日期的机票价格制定，以达到使航空公司收益最大化的目的，具有重要的实际应用意义；

2.RNN在隐藏层引入了定向循环，可以将上一时刻的信息传递到当前时刻，能够处理那些输入之间前后关联的问题的这种性质，使其特别适合处理序列信息；而某航线的历史订票数据符合一定的时序关系，我们可以利用循环神经网络来学习航线订票数据的时序规律，很好的实现根据历史数据预测当前订票数的目的。

附图说明

图1为本发明所述基于循环神经网络的机票日订座数预测方法流程图；

图2为本发明所述神经网络的模型图。

具体实施方式

下面结合实施例和说明书附图对本发明做进一步说明，但不限于此。

实施例1

如图1-2所示。