[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

说明书

本发明提供一种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。所述方法和系统基于采集历史的航班客座率数据，通过对建立的预测航班客座率模型进行训练并验证生成最优模型，再基于所述最优模型，根据所述航线历史航班客座率数据预测目标航班在未来一段时间的客座率，从而通过所述模型的输出结果对目标航班的航行进行调整。所述方法和系统与现有技术相比，建立的模型除考虑航班自身每日客座率变化外，还考虑到目标航班客座率的起飞时刻相关性和起飞日相关性，以及其他因素也的影响，从而预测航班客座率准确率更高，能够更好地帮助民航市场从业者提前感知市场需求进而及时采取对应决策。

技术领域

本发明涉及大数据处理领域,并且更具体地，涉及一种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。

背景技术

随着民航旅客的迅速增长，航空客运需求预测越来越受到航空公司、机票代理商、飞机制造商等民航相关企业的关注。航班客座率是航空客运市场中用以衡量航班客运量需求的重要指标之一。准确地预测航班客座率是解决航空公司处理航班机票超售、座位虚耗等问题，提高民航从业者提前感知市场需求进而提高企业收益管理水平、为各级运营部门提供决策支持的重要途径之一。

目前，现有的航班客座率预测方法仅关注了目标航班近期每日客座率的变化特点，无法同时考虑到该问题受到的其它众多因素的影响，因此无法获得理想的预测效果。

发明内容

为了解决现有技术中航班客座率预测方法只关注目标航班近期每日客座率的变化特点，而使航班客座率预测效果不理想的技术问题，本发明提供一种基于多粒度时间注意力机制确定航班客座率的方法,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。

进一步地，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；