[发明专利]一种基于步速修正的酒店间夜量预测方法及装置

说明书

本发明涉及一种基于步速修正的酒店间夜量预测方法及装置。该方法包括：将入住日期的数据特征作为训练数据，将入住日期对应的间夜量作为训练数据的目标值，训练酒店间夜量预测模型；根据入住日期的pickup曲线，获得酒店预定的步速矩阵；根据步速矩阵获得步速的置信区间；根据步速的置信区间得到未来日期的间夜量置信区间；对于待预测日期，利用训练完成的所述酒店间夜量预测模型获得间夜量预测值，并利用所述间夜量置信区间对获得的间夜量预测值进行修正，得到最终的酒店间夜量预测值。本发明根据步速矩阵对基于XGB等模型预测的模型结果进行修正，能够避免预测异常值的出现并提高酒店间夜量预测的准确度。

技术领域

本发明涉及酒店领域，具体为一种基于步速修正的酒店间夜量预测方法及装置。

背景技术

目前，为满足酒店行业的用户需求，为酒店管理人员分配客房、安排工作人员等管理工作提供数据支撑，衍生了对酒店间夜量的预测分析。目前常采用基于机器学习的回归分析、时间序列等算法，实现酒店间夜的预测。酒店的间夜量也叫间夜数，是酒店在某个时间段内，房间出租率的计算单位，酒店间夜量的计算公式为间夜量＝入住房间数*入住天数。间夜可视为度量单位，一个房间入住一晚为一个间夜。

基于机器学习的预测算法，能够基于历史的间夜数据、时间序列特征等影响因素，训练出有效可靠的预测模型，但是，酒店间夜数据存在着相当强的周期性，且入住日期预定数据的增长有较强的趋势性，这导致单纯的机器学习模型在特征领域的学习上存在欠缺，降低预测精度。

发明内容

本发明针对上述问题，提出一种基于XGB的间夜预测算法，同时为了克服XGB模型预测出现异常点的不足，本发明提供一种基于步速修正的酒店间夜量预测方法及装置，通过对历史数据的分析获得酒店间夜预测的步速增长矩阵模型，并应用步速矩阵对基于XGB的模型预测结果进行修正。

本发明的一种基于步速修正的酒店间夜量预测方法，包括以下步骤：

将入住日期的数据特征作为训练数据，将入住日期对应的间夜量作为训练数据的目标值，训练酒店间夜量预测模型；

根据入住日期的pickup曲线，获得酒店预定的步速矩阵；

根据步速矩阵获得步速的置信区间；

根据步速的置信区间得到未来日期的间夜量置信区间；

对于待预测日期，利用训练完成的所述酒店间夜量预测模型获得间夜量预测值，并利用所述间夜量置信区间对获得的间夜量预测值进行修正，得到最终的酒店间夜量预测值。

进一步地，所述入住日期的数据特征包括入住日期的时间特征、节假日特征、间夜量；所述时间特征包括：周几、月份、年份、是否月末；所述节假日特征包括：是否节假日、节假日类型。

进一步地，采用以下步骤得到所述训练数据：

以入住日期的时间特征、节假日特征、间夜量为特征组成数据集A；

复制数据集A得到数据集B，处理数据集B的入住日期昨日的间夜量特征列为空，以模拟入住日期昨日间夜缺失的情况；

数据集A与处理后的数据集B合并作为训练数据X。

进一步地，所述步速矩阵为7*14的步速矩阵：

其中，d_{i_j}为每周的第i天的观测日期观测j天后的入住日期的步速，j即观测日期相对于入住日期的提前天数，i∈[1,7],j∈[1,14]。

进一步地，所述根据步速矩阵获得步速的置信区间，包括：

统计各个观测日期与入住日期的步速；

根据观测日期与入住日期的步速，计算步速浮动率；