【摘要】：航空客運需求預測始終受到航空公司、機票代理商、飛機制造商等民航相關企業(yè)的關注。航班客座率是航空客運市場中用以衡量航班客運量需求的重要指標之一。準確地預測航班客座率將有利于航空公司處理航班機票超售、座位虛耗等問題,幫助民航從業(yè)者提前感知市場需求進而提高企業(yè)收益管理水平、為各級運營部門提供決策支持。傳統(tǒng)的時間序列預測方法作為航班客座率預測問題的主流研究方法,以定義的某個航班作為研究對象,僅關注目標航班近期每日客座率的變化特點,無法同時考慮到該問題受到的其他眾多因素的影響,因此無法獲得理想的預測效果。除航班自身每日客座率變化外,目標航班客座率還受其所在航線中其他鄰近起飛時刻的航班客座率影響,存在起飛時刻相關性,即同一航線上起飛時刻越相近的航班對應的客座率相差更小;在時間粒度上,航班客座率不僅存在起飛時刻相關性,還存在起飛日相關性,即航班自身的客座率數(shù)據(jù)在起飛日的時間維度上呈現(xiàn)出時間依賴關系,如航班待預測時間區(qū)間的客座率與該航班前一周同一星期的客座率具有的周周期性、與該航班去年同一時間區(qū)間的客座率具有的年周期性;同樣,航班自身屬性及節(jié)假日、航班所在航線是否開設高鐵等其他因素也會影響航班客座率。為綜合考慮以上因素進行準確的航班客座率預測,本文提出了一種新穎的基于多粒度時間注意力機制的循環(huán)神經網絡模型(Multi-Granularity Time Attention Recurrent Neural Network,MTA-RNN),該模型構建多級注意力機制獲取航班客座率在不同時間粒度下的時序相關性。本模型根據(jù)不同性質的時間依賴分別選取預測航班所在航線所有航班數(shù)據(jù)的臨近時間區(qū)間及遙遠時間區(qū)間數(shù)據(jù),對兩部分數(shù)據(jù)分別采用編碼器進行編碼。在編碼器中,模型首先采用LSTM單元捕獲預測航班所在航線中不同起飛時刻的航班客座率時間序列的時序依賴性,之后引入起飛時刻注意力機制,通過參考編碼器上方LSTM單元之前起飛日的隱藏層狀態(tài),在每個起飛日自適應地提取編碼器下方LSTM單元相關起飛時刻的隱藏層狀態(tài)值。在解碼器中,各部分編碼器均引入起飛日注意力機制在所有的起飛日中選擇相關編碼器上方LSTM單元的隱藏層狀態(tài),并結合航班自身屬性及節(jié)假日等其他因素,最終得到未來一段時間的目標航班經濟艙客座率。本文在真實的歷史航班客座率數(shù)據(jù)集上進行了實驗,實驗結果表明MTA-RNN模型相比傳統(tǒng)的時間序列預測方法及最新的基于深度學習的預測方法具有明顯的性能優(yōu)勢。
【圖文】：

深層神經網絡（Ｄｅｅｐ邋Ｎｅｕｒａｌ邋Ｎｅｔｗｏｒｋｓ，邋ＤＮＮｓ）是指包含多個隱藏層的神經網絡。逡逑無論每層每個神經元是線性的或非線性的，較低層運算單元的輸出始終作為下一逡逑層運算單元的輸入。圖２－１展示了一個典型的深層神經網絡的結構，其由輸入層、逡逑輸出層及中間的若干隱藏層組成。除了輸出層，每一層都包含多個典型的神經元單逡逑元和一個固定偏執(zhí)項。在實際使用過程中，輸入層的維度和訓練樣本的維度保持一逡逑致并接受樣本的矢量輸入表示，隱藏層用于逐層提取輸入樣本的有效特征表示，輸逡逑出層輸出預測目標值。逡逑輸邐輸逡逑＾邋＿邋１逡逑圖２－〗一個典型的深度神經網絡結構逡逑Ｆｉｇｕｒｅ邋２－１邋Ａ邋ｔｙｐｉｃａｌ邋ｄｅｅｐ邋ｎｅｕｒａｌ邋ａｒｃｈｉｔｅｃｔｕｒｅ逡逑１１逡逑

邋ＢＰＴＴ）＃％行訓練，由于ＢＰＴＴ算法遵循共享參數(shù)等假設，使得模型在訓練逡逑時容易出現(xiàn)梯度消失等問題，導致無法處理時間序列中的長期依賴關系。為解決這逡逑個問題，相關學者提出了長短期記憶網絡，ＬＳＴＭ單元如圖２－３所示，其中增加的逡逑３個門控單元讓信息有選擇性地影響循環(huán)神經網絡中每個時刻的狀態(tài)，記憶單元逡逑（Ｍｅｍｏｒｙ邋Ｃｅｌｌ）用來保存當前的網絡狀態(tài)。在形式上，ＬＳＴＭ可以表述如下：逡逑ｉ＜ｔ＞邋＝邐＋邋ｂｄ邐（２－１２）逡逑／＜ｆ＞邋＝邐；》：0］邐＋邋ｂ，）邐（２－１３）逡逑ｃ＜ｃ＞邋＝邋ｔａｎｈ（Ｗｃ［ａ＜ｉ－１＞；邋ｘ＜ｆ＞］邋＋邋ｂｃ）邐（２－１４）逡逑ｃ＜ｆ＞邋＝邋ｆＫｔ＞邋＊邋ｃ＜ｉ＿１＞邋＋邋ｉ＜ｌ＞邐＊邋ｃ＜ｌ＞邐（２－１５）逡逑00邋＝邐［ａＣ－１〉；無＜２：＞］邐＋邋ｂ０）邐（２－１６）逡逑ａ＜ｆ＞邋＝邋0＜ｚ＞邋＊邋ｔａｎｈ（ｃ＜￡＞）邐（２－１７）逡逑其中，Ｗ，表不權重矩陣，ｂ，為偏置向量，＊是哈達馬乘積（ＨａｄａｍａｒｄＰｒｏｄｕｃｔ），，邋ＬＳＴＭ逡逑
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：V354;TP18

【參考文獻】

相關期刊論文 前2條

1 原繼東;王志海;;時間序列的表示與分類算法綜述[J];計算機科學;2015年03期

2 張偉;;客座率淺析[J];民用飛機設計與研究;2012年S1期

本文編號：2705907