注意力机制的长短时记忆神经网络航线订座需求预测
作者:陈思杰; 傅仰耿
更新时间:
针对路由预约需求预测结果不稳定、偏差大的问题,提出了一种基于注意机制的长、短期记忆神经网络路由预约需求预测模型。首先,对收集到的线路预约需求数据进行清理,并通过指数计算进行处理。然后,根据注意机制分配处理后的索引数据的权重。然后建立长、短期记忆神经网络路线预留需求预测模型,得到路线预留需求的最终预测结果值。将训练优化得到的模型应用于国内某航空公司的航线预订需求预测,计算预测结果。实验结果表明,基于注意机制的长、短期记忆神经网络路径预约需求预测模型的预测精度较高。以厦门-上海路线为例,将预测结果与实际值进行比较,平均绝对误差为13.1,均方根误差为17.2。与移动平均法、指数平滑法和循环神经网络相比,CNN-LSTM混合模型具有更好的预测效果