资料下载
×
基于循环神经网络模型的航班客座率预测
消耗积分:0 |
格式:pdf |
大小:1.28 MB |
2021-05-27
分享资料个
准确预测航班客座率有利于处理航班机票超售、座位虚耗等冋题，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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
