[发明专利]基于多粒度时间注意力机制确定航班客座率的方法和系统

权利要求书

1.一种基于多粒度时间注意力机制确定航班客座率的方法,其特征在于，所述方法包括：

采集一个航线在某一个时间周期内所有起飞时刻的历史航班客座率数据，生成初始样本集；

对所述历史航班客座率数据中具有离散属性和连续属性的数据进行预处理，生成有效样本集；

基于预先确定的预测所述航线航班客座率的最优模型，以所述有效样本集中目标航班的数据为输入向量，对所述航线上的目标航班未来τ天的客座率进行预测；

根据预测所述航线上航班客座率的最优模型的输出结果对所述目标航班在所述航线上未来τ天的航行进行调整。

2.根据权利要求1所述的方法，其特征在于，所述方法在采集一个航线在某一个时间周期内所有起飞时刻的历史航班客座率数据之前还包括建立预测所述航线航班客座率的最优模型，其中：

采集一个航线在某一个时间周期内所有起飞时刻的历史航班客座率数据，生成初始样本集；

对所述初始样本集中具有离散属性和连续属性的数据进行预处理，生成有效样本集；

按照预先设置的比例，将有效样本集划分为非重叠的有效训练集和有效验证集；

设置与训练预测航班客座率的第一模型的相关的信息和预测航班客座率的第一模型中的超参的初始值，其中，所述第一模型包括2个编码器模块，1个解码器模块和1个外部因素融合模块，所述2个编码器模块分别是临近时段编码器模块和遥远时段编码器模块，其用于对输入向量进行编码，所述临近时段编码器模块的输入向量是临近时段所述航线上目标航班所有起飞时刻的航班客座率时间序列，所述遥远时段编码器模块的输入向量是遥远时段所述航线上目标航班所有起飞时刻的航班客座率时间序列，所述临近时段是指与需要预测的目标航班在预测时段内的每一天相邻的时间段，所述遥远时段是指与需要预测的目标航班在预测时段内的每一天相隔一定天数的时间段，外部因素融合模块用于确定除所述航线起飞时间以外的外部因素对所述航线上的航班的影响，其输入向量为有效训练集中目标航班在预测时间内的除所述航线起飞时间以外的外部因素的数据，解码器模块用于输出所述航线上目标航班客座率预测结果；临近时段编码器模块包括第一临近时段长短期记忆网络LSTM单元和第二临近时段LSTM单元，所述遥远时段编码器模块包括第一遥远时段LSTM单元和第二遥远时段LSTM单元，所述解码器模块包括解码LSTM单元，所述与训练预测航班客座率的第一模型的相关的信息包括批大小、学习、训练轮数和防止过拟合策略；所述超参指第一临近时段长短期记忆网络LSTM单元和第一遥远时段LSTM单元隐藏层状态数，第二临近时段LSTM单元和第二遥远时段LSTM单元隐藏层状态数，解码LSTM单元隐藏层状态数，以及临近时段和遥远时段的时间窗口长度；

根据所述有效训练集，基于预测航班客座率的第一模型进行客座率预测，并将所述第一模型的输出结果与所述有效训练集中的航班客座率数据进行比较，确定所述第一模型中的最优参数值，生成预测航班客座率的第二模型，其中，所述第一模型中的最优参数是指第一临近时段长短期记忆网络LSTM单元、第一遥远时段LSTM单元、第二临近时段LSTM单元和第二遥远时段LSTM单元中需要学习的参数的最优值；

根据所述有效验证集，为所述预测航班客座率的第二模型中的超参赋值后进行客座率预测，并将所述第二模型的输出结果与所述有效验证集中的目标航班在预测时间段的航班客座率数据进行比较，将比较结果最接近时的超参值作为所述第二模型中的超参的最优值，生成预测航班客座率的最优模型。