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
南京航空航天大学 民航学院,南京 211106
摘要：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:CNN-LSTM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
分类号：TP183(自动化基础理论)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 21-29 )
英文信息