[发明专利]一种客座率基准预测的方法及系统

权利要求书

1.一种客座率基准预测的方法，其特征在于，该方法包括：

在数据源基础数据中确定核心原始变量，所述数据源基础数据表征影响客座率变化的基础数据集合；

对所述核心原始变量进行数据预处理，获得目标数据变量；

利用预设回归模型，对所述目标数据变量进行处理，获得目标预测变量；

通过对所述目标预测变量进行参数调整，获得拟合模型，并对所述拟合模型进行分析，确定回归方程；

将实际客座率作为所述回归方程的输入值，对预测时间的目标客座率进行实时预测，获得所述目标客座率的预测值，其中，所述实际客座率与所述目标客座率存在预设时间对应关系，且所述实际客座率根据预测时间的不同是不同的。

2.根据权利要求1所述的方法，其特征在于，所述在数据源基础数据中确定核心原始变量，包括：

在数据源基础数据中确定初始变量；

对所述初始变量中的异常数据进行处理，获得核心原始变量。

3.根据权利要求1所述的方法，其特征在于，所述对所述核心原始变量进行数据预处理，获得目标数据变量，包括：

根据预设的客座率特征抽象算法，对所述核心原始变量进行变量属性抽取，获得变量属性；

基于所述核心原始变量的变量属性和业务场景进行特征衍生，获得衍生变量；

基于所述核心原始变量和所述衍生变量，确定目标数据变量。

4.根据权利要求3所述的方法，其特征在于，该方法还包括：

基于所述目标数据变量，确定客座率变化算法；

基于所述客座率变化算法，建立单变量多元的预设回归模型。

5.根据权利要求4所述的方法，其特征在于，该方法还包括：

基于所述回归方程和实时输入数据，预测获得目标客座率变化曲线；

基于所述目标客座率变化曲线，获得目标预测信息，其中，所述目标预测信息包括航段总体客座率和航段具体大仓客座率。

6.一种客座率基准预测的系统，其特征在于，该系统包括：

变量确定单元，用于在数据源基础数据中确定核心原始变量，所述数据源基础数据表征影响客座率变化的基础数据集合；

预处理单元，用于对所述核心原始变量进行数据预处理，获得目标数据变量；

变量处理单元，用于利用预设回归模型，对所述目标数据变量进行处理，获得目标预测变量；

方程确定单元，用于通过对所述目标预测变量进行参数调整，获得拟合模型，并对所述拟合模型进行分析，确定回归方程；

预测单元，用于将实际客座率作为所述回归方程的输入值，对预测时间的目标客座率进行实时预测，获得所述目标客座率的预测值，其中，所述实际客座率与所述目标客座率存在预设时间对应关系，且所述实际客座率根据预测时间的不同是不同的。

7.根据权利要求6所述的系统，其特征在于，所述变量确定单元包括：

第一确定子单元，用于在数据源基础数据中确定初始变量；

异常处理子单元，用于对所述初始变量中的异常数据进行处理，获得核心原始变量。

8.根据权利要求6所述的系统，其特征在于，所述预处理单元包括：

属性获取子单元，用于根据预设的客座率特征抽象算法，对所述核心原始变量进行变量属性抽取，获得变量属性；

衍生子单元，用于基于所述核心原始变量的变量属性和业务场景进行特征衍生，获得衍生变量；

第二确定子单元，用于基于所述核心原始变量和所述衍生变量，确定目标数据变量。

9.根据权利要求8所述的系统，其特征在于，该系统还包括：

算法确定子单元，用于基于所述目标数据变量，确定客座率变化算法；

模型建立子单元，用于基于所述客座率变化算法，建立单变量多元的预设回归模型。

10.根据权利要求9所述的系统，其特征在于，该系统还包括：

曲线预测单元，用于基于所述回归方程和实时输入数据，预测获得目标客座率变化曲线；

信息预测单元，用于基于所述目标客座率变化曲线，获得目标预测信息，其中，所述目标预测信息包括航段总体客座率和航段具体大仓客座率。