计算机工程

作者：邓玉婧, 武志昊, 林友芳

单位：北京交通大学 计算机与信息技术学院 交通数据分析与挖掘北京市重点实验室, 北京 100044

关键词：航班客座率预测,时间序列预测,循环神经网络,注意力机制,编解码器模型

基金：中央高校基本科研业务费专项资金（2017JBM027）。

准确预测航班客座率有利于处理航班机票超售、座位虚耗等问题，然而传统时间序列预测方法只关注航班近期每日客座率的变化特点，无法同时考虑其他因素的影响，预测效果不够理想。针对该问题，提出一种基于多粒度时间注意力机制的循环神经网络模型MTA-RNN。通过构建多级注意力机制获取航班客座率在不同时间粒度下的时序相关性，同时考虑航班自身属性及节假日等其他因素，得到未来一段时间内的目标航班客座率。在真实历史航班客座率数据集上的实验结果表明，MTA-RNN模型的预测准确率高于ARIMA模型、LSTM模型和Seq2seq模型。

来源：2020年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第1期