期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CNN-LSTM混合模型的航空公司机票价格预测
被引量：
2
1
作者
王夷龙
张生润
+1 位作者
唐小卫
张崇横
《北京交通大学学报》
CSCD
北大核心
2024年第5期21-29,共9页
针对航空公司在竞争激烈的航线市场中对未来机票价格走势预测的需求,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络的混合模型CNN-LSTM.在数据构建与输入部分,以航空公司...
针对航空公司在竞争激烈的航线市场中对未来机票价格走势预测的需求,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络的混合模型CNN-LSTM.在数据构建与输入部分,以航空公司间的竞争关系为核心,设计用于表征机票价格的通道数据结构;综合考虑影响机票价格波动的多种因素,分别构建表示航空公司属性、航班属性和日期属性的独立通道数据结构,并将这些通道数据进行整合,组成适用于卷积神经网络的多通道数据输入.在模型部分,利用一维卷积神经网络(one-dimensional Convolu⁃tional Neural Network,1D-CNN)对输入的多通道数据进行特征提取;通过长短期记忆网络捕捉数据中的时间依赖关系,实现对航线内不同航班未来机票价格的预测.将提出的CNN-LSTM混合模型与多种基线模型进行对比,并通过消融实验验证所选影响因素的有效性.实验结果表明:CNNLSTM混合模型在预测性能上具有显著优势,与随机森林、支持向量机、单一卷积神经网络、单一长短期记忆网络以及向量自回归模型相比,预测平均绝对误差降低了18.74%~57.02%,平均绝对百分比误差降低了9.31%~22.16%;消融实验结果证实了影响因素的引入可以提升模型的性能.研究成果不仅能够为航空公司在票价制定与调整方面提供决策支持,也为机票价格预测领域的研究提供了新的思路和方法.
展开更多
关键词
深度学习
机票价格预测
时间序列
卷积神经网络
长短期记忆网络
在线阅读
下载PDF
职称材料
基于多任务学习的机票价格预测模型
被引量：
1
2
作者
卢敏
贾玉璇
《计算机工程与设计》
北大核心
2023年第8期2459-2464,共6页
针对现有机票销售模型忽视不同票价等级需求问题,考虑到机票需求的影响,提出一种多任务学习模型预测机票价格。在机票价格预测中引入辅助任务机票需求预测,建立多任务学习网络,通过共享相关任务在日、周、半月、月等水平上的多尺度需求...
针对现有机票销售模型忽视不同票价等级需求问题,考虑到机票需求的影响,提出一种多任务学习模型预测机票价格。在机票价格预测中引入辅助任务机票需求预测,建立多任务学习网络,通过共享相关任务在日、周、半月、月等水平上的多尺度需求特征,分析不同周期需求特征的影响。在六千万条记录的真实数据集上的实验结果表明,较之基准算法,该模型在准确率和F1分数方面提高了将近6%,验证了多任务学习模型的有效性。
展开更多
关键词
机票价格预测
机票
需求
多尺度需求特征
多任务学习
卷积神经网络
残差网络
分类器模型
在线阅读
下载PDF
职称材料
航班动态定价机制下的机票价格序列变点估计
被引量：
5
3
作者
王星
马璇
《统计研究》
CSSCI
北大核心
2015年第10期74-81,共8页
本文旨在研究受航空业动态定价机制影响下的机票价格序列变点估计模型,文中分析了机票价格u8序列数据的结构特点,提出了可用于高噪声数据环境下、阶梯状、带明显多变点的多阶段序列变点估计框架,该框架依次组合了DBSCAN算法、EM-高斯混...
本文旨在研究受航空业动态定价机制影响下的机票价格序列变点估计模型,文中分析了机票价格u8序列数据的结构特点,提出了可用于高噪声数据环境下、阶梯状、带明显多变点的多阶段序列变点估计框架,该框架依次组合了DBSCAN算法、EM-高斯混合模型聚类、凝聚层次聚类算法和基于乘积划分模型的变点估计方法等多种成熟的数据分析方法,通过对"北京-昆明"航线航班的实证分析,验证了数据分析框架的有效性和普遍适用性。
展开更多
关键词
机票价格预测
变点估计
序列聚类模式
在线阅读
下载PDF
职称材料
题名
基于CNN-LSTM混合模型的航空公司机票价格预测
被引量：
2
1
作者
王夷龙
张生润
唐小卫
张崇横
机构
南京航空航天大学民航学院
出处
《北京交通大学学报》
CSCD
北大核心
2024年第5期21-29,共9页
基金
国家自然科学基金(U2233208)
民航安全能力建设项目(58I230071A23)
南京航空航天大学科研与实践创新计划(xcxjh20230741,xcxjh20220724)。
文摘
针对航空公司在竞争激烈的航线市场中对未来机票价格走势预测的需求,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络的混合模型CNN-LSTM.在数据构建与输入部分,以航空公司间的竞争关系为核心,设计用于表征机票价格的通道数据结构;综合考虑影响机票价格波动的多种因素,分别构建表示航空公司属性、航班属性和日期属性的独立通道数据结构,并将这些通道数据进行整合,组成适用于卷积神经网络的多通道数据输入.在模型部分,利用一维卷积神经网络(one-dimensional Convolu⁃tional Neural Network,1D-CNN)对输入的多通道数据进行特征提取;通过长短期记忆网络捕捉数据中的时间依赖关系,实现对航线内不同航班未来机票价格的预测.将提出的CNN-LSTM混合模型与多种基线模型进行对比,并通过消融实验验证所选影响因素的有效性.实验结果表明:CNNLSTM混合模型在预测性能上具有显著优势,与随机森林、支持向量机、单一卷积神经网络、单一长短期记忆网络以及向量自回归模型相比,预测平均绝对误差降低了18.74%~57.02%,平均绝对百分比误差降低了9.31%~22.16%;消融实验结果证实了影响因素的引入可以提升模型的性能.研究成果不仅能够为航空公司在票价制定与调整方面提供决策支持,也为机票价格预测领域的研究提供了新的思路和方法.
关键词
深度学习
机票价格预测
时间序列
卷积神经网络
长短期记忆网络
Keywords
deep learning
airline ticket prediction
time series
convolutional neural network
long short-term memory network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于多任务学习的机票价格预测模型
被引量：
1
2
作者
卢敏
贾玉璇
机构
中国民航大学计算机科学与技术学院
中国民用航空局民航智慧机场理论与系统重点实验室
出处
《计算机工程与设计》
北大核心
2023年第8期2459-2464,共6页
基金
中央高校基本科研业务费专项资金基金项目(3122014D032)。
文摘
针对现有机票销售模型忽视不同票价等级需求问题,考虑到机票需求的影响,提出一种多任务学习模型预测机票价格。在机票价格预测中引入辅助任务机票需求预测,建立多任务学习网络,通过共享相关任务在日、周、半月、月等水平上的多尺度需求特征,分析不同周期需求特征的影响。在六千万条记录的真实数据集上的实验结果表明,较之基准算法,该模型在准确率和F1分数方面提高了将近6%,验证了多任务学习模型的有效性。
关键词
机票价格预测
机票
需求
多尺度需求特征
多任务学习
卷积神经网络
残差网络
分类器模型
Keywords
airfare prediction
ticket demand
multi-scaled demand features
multi-task learning
convolutional neural networks
residual connection
classifier model
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
航班动态定价机制下的机票价格序列变点估计
被引量：
5
3
作者
王星
马璇
机构
中国人民大学统计学院
出处
《统计研究》
CSSCI
北大核心
2015年第10期74-81,共8页
基金
中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目"人文学科跨界关系网络跟踪评价研究"(13XNI011)
中国学位与研究生教育学会重点研究课题"学科质量测评的数据挖掘技术及其应用研究"(A2-2013Y05-005)的研究成果
文摘
本文旨在研究受航空业动态定价机制影响下的机票价格序列变点估计模型,文中分析了机票价格u8序列数据的结构特点,提出了可用于高噪声数据环境下、阶梯状、带明显多变点的多阶段序列变点估计框架,该框架依次组合了DBSCAN算法、EM-高斯混合模型聚类、凝聚层次聚类算法和基于乘积划分模型的变点估计方法等多种成熟的数据分析方法,通过对"北京-昆明"航线航班的实证分析,验证了数据分析框架的有效性和普遍适用性。
关键词
机票价格预测
变点估计
序列聚类模式
Keywords
Airfare price prediction
Change point estimation
Sequential Clustering pattern
分类号
C812 [社会学—统计学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CNN-LSTM混合模型的航空公司机票价格预测
王夷龙
张生润
唐小卫
张崇横
《北京交通大学学报》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于多任务学习的机票价格预测模型
卢敏
贾玉璇
《计算机工程与设计》
北大核心
2023
1
在线阅读
下载PDF
职称材料
3
航班动态定价机制下的机票价格序列变点估计
王星
马璇
《统计研究》
CSSCI
北大核心
2015
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
