[发明专利]一种国内航班价格预测方法

说明书

本发明公开一种国内航班价格预测方法。所述方法包括：对航班特征进行编码，制作Mapping表，使每一个特征值都有一个唯一的编号；对Mapping表中的特征值进行Embedding转换，减小数据维度，得到特征值的向量表示；将特征值的向量表示输入到DeepFM模型，分别得到低阶特征输出和高阶特征输出；将航班的历史价格数据输入到LSTM模型，并将LSTM模型的输出进行Embedding转换，得到历史价格数据的向量表示；将DeepFM和LSTM的输出数据进行融合，经输出层输出航班的预测价格。由于利用DeepFM和LSTM模型分别提取不同属性的特征，本发明相对现有技术明显提高了价格预测精度。

技术领域

本发明属于机票查询技术领域，具体涉及一种国内航班价格预测方法。

背景技术

目前，国内航空市场，每天的航线数量近2万个，涉及200多个城市，每条航线的价格变化与自所属区域、季节等多种属性密切相关。如果能够及时、准确地预测未来起飞航线的价格变化情况，一定能产生一定的经济效益。通过对最近两年的机票价格数据进行统计、图形展示、分析发现，机票价格存在以下几个特点：一是机票价格变化规律性不强。通过将价格数据进行图表展示，无论从距离起飞时间间隔天数的维度，还是从同天的历史价格维度，都没有发现明显的规律；二是价格突变的现象较多。同一航班，经常出现相邻两天的价格发生突涨或突降现象，变化幅度有时高达80％，而且由于节假日、天气等因素，会造成机票价格突然大幅度上涨；三是历史数据存在缺失情况。由于某些航班突然取消或者数据抓取工作存在疏漏，造成了一定程度的数据缺失，对计算价格同比、环比和是否降价等指标，带来了一定的误差。

现有机票价格预测一般属于时序预测，主要有两种方法：传统时序建模和机器学习。实验表明，这两种方法的效果都不太理想，无法得到大量航班的相关变化情况。

发明内容

为了解决现有技术中存在的上述问题，本发明提出一种国内航班价格预测方法。

为实现上述目的，本发明采用如下技术方案：

一种国内航班价格预测方法，包括以下步骤：

步骤1，对航班特征进行编码，制作Mapping表，使每一个特征值都有一个唯一的编号；航班特征至少包括：航班号，航空公司，出发地，目的地，起飞时间；

步骤2，对Mapping表中的特征值进行Embedding转换，减小数据维度，得到特征值的向量表示；

步骤3，将特征值的向量表示输入到DeepFM模型，分别得到低阶特征输出和高阶特征输出；

步骤4，将航班的历史价格数据输入到LSTM模型，并将LSTM模型的输出进行Embedding转换，得到历史价格数据的向量表示；

步骤5，利用Stacking方法，将DeepFM和LSTM的输出数据进行融合，经输出层输出航班的预测价格。

与现有技术相比，本发明具有以下有益效果：

本发明利用具有特征抓取能力强、计算速度快、对特征有较好的泛化能力等特点的DeepFM模型提取起飞时间、航线距离、航班信息等特征，利用能够学习时间序列数据且有长序列记忆能力的LSTM模型提取航班已知的历史价格数据特征，将两部分的特征进行合并得到最终的特征数据，然后加入输出层得到输出结果数据。由于利用DeepFM和LSTM模型分别提取不同属性的特征，本发明相对现有技术明显提高了价格预测精度。

附图说明

图1为本发明实施例一种国内航班价格预测方法的流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明实施例一种国内航班价格预测方法，流程图如图1所示，包括以下步骤：