【摘 要】
：
航班需求预测是对未来航班的座位需求量进行预测,能够有力支撑航空公司做好今后的舱位分配、座位数量控制以及机票超售等工作,是航空公司收益管理的基础。目前的航班需求预测方法是根据某类影响因素和航班需求的关系建立预测模型,或者是使用历史航班需求建立时间序列模型进行预测。以上做法仅考虑了某一类因素对航班需求的影响,忽略了航班需求受到多类因素的共同影响,导致预测结果没有达到预期效果。由于航班需求受航班、日期、
论文部分内容阅读
航班需求预测是对未来航班的座位需求量进行预测,能够有力支撑航空公司做好今后的舱位分配、座位数量控制以及机票超售等工作,是航空公司收益管理的基础。目前的航班需求预测方法是根据某类影响因素和航班需求的关系建立预测模型,或者是使用历史航班需求建立时间序列模型进行预测。以上做法仅考虑了某一类因素对航班需求的影响,忽略了航班需求受到多类因素的共同影响,导致预测结果没有达到预期效果。由于航班需求受航班、日期、节假日、天气特征等因素的影响,现有研究未考虑上述多特征而降低其模型预测准确性。为此,提出了融入稀疏因子编码约束的航班需求预测模型（简称SAE-GBDT模型）。为了挖掘多个因素间的隐含关系,采用稀疏因子编码结构对航班需求特征学习,达到将多因素融合为深度特征的目的,从而学习到输入数据之间的内在联系。该模型利用稀疏因子编码过程对影响航班需求的多个特征学习,将学习到的深度特征输入到内部集成的梯度提升树中进行回归预测,从而预测航班需求量。针对历史航班需求序列中存在时序因素,并且呈现“周”特征的需求变动,提出了融入时序因素的航班需求预测模型（简称ARMA-SAE-GBDT模型）。针对各周的航班需求时序序列,采用自回归滑动平均（Autoregressive Moving Average,ARMA）模型挖掘航班需求序列各时刻之间的关系,获得航班需求时序随时间变化的趋势,同时采用稀疏因子编码结构融合影响航班需求的其他因素,最后将时序因素和影响因素输入梯度提升树中实现对航班需求的有效预测。通过构建组合模型,弥补了航班需求预测对时序因素和影响因素考虑不足的问题。采用航班经济舱数据进行实验,实验结果表明该模型在考虑多个因素的基础上能够得到更准确的预测结果,ARMA-SAE-GBDT模型与ARMA、SAE-GBDT模型相比,平均绝对百分比误差降低了4.56%,1.17%。
其他文献
研究背景感染性角膜炎是常见的致盲性眼科疾病,若治疗不及时,很可能发展为角膜溃疡、穿孔,甚至导致失明,给患者的工作和生活造成很多不良影响。白色念珠菌和铜绿假单胞杆菌分别为真菌性和细菌性角膜的主要病原菌,其目前治疗方案主要为抗菌治疗,但由于抗菌菌株的出现及药物渗透性差,很多患者治疗效果不甚理想,因此早期及时的干预和治疗显得犹为重要。中性粒细胞（polymorphonuclear cell,PMN）作为
研究背景:角膜作为透明、无血管的组织,是维持正常视力的重要组成部分。在感染、炎症、外伤、角膜手术等各种致病因素下,角膜缘会形成血管网,新生的毛细血管由边缘向心性生长,这个病理现象称为角膜新生血管（corneal neovascularization,CNV）。CNV会导致视力下降甚至丧失,同时也是角膜移植术后发生免疫排异的高危因素。目前临床上针对CNV的治疗方法主要有外科手术治疗,如激光光凝、角膜
精准的航班延误预测结果可以为大面积航班延误的预防提供巨大参考价值,随着近两年疫情的逐渐恢复,航班量的增加,航班延误问题也逐渐凸显。由于航班延误预测是在一个特定空间下的时间相关问题,本文因此以同时考虑时间和空间两个维度为目标,提出一种综合考虑了时空序列的Conv-LSTM航班延误预测方法,旨在通过神经网络算法对国内京津冀四个机场的航班数据进行延误预测,为空管局的相关部门提供辅助决策作用。论文的主要研
轴承零部件在加工过程中因设备精度偏差和环境杂质所产生的表面缺陷通常呈现与背景纹理相似的特点,且目标缺陷尺寸大小、密集程度不一,使得工业金属等表面缺陷识别变得困难。针对于此,本文使用以下两种思路对模型进行改进:第一,对YOLOv3骨架网络基本组成单元的残差模块进行改进,构建嵌入SA注意力的残差模块,提出嵌入注意力机制的YOLOv3-SA模型,对模型的特征提取能力进行一定程度上的校正和增益,提高网络对
背景与目的结直肠癌（colorectal cancer,CRC）是世界上发病率和死亡率最高的恶性肿瘤之一。由于实施了人口水平的结肠镜筛查,发达国家CRC发病率呈下降趋势或趋于稳定。但结肠镜检查的巨大成本及医疗资源的缺乏阻碍了中低收入国家大规模CRC筛查工作的开展,采用风险分层评分模型浓缩高危风险人群进行结肠镜筛查更符合卫生经济学原则。20世纪70年代我国开发了高危因素问卷评估（high risk
随着计算设备的快速发展和深度学习领域的不断创新,深度学习及其相关方法在学术领域和工业领域都得到了大范围应用并取得了优秀的成效。同样在计算机视觉领域,特别是目标检测领域,深度学习及其相关方法取得了前所未有的成就。与基于传统算法的目标检测方法相比较,基于深度学习的目标检测方法在准确率、召回率和鲁棒性上有着更优秀的表现。然而,常见的裂缝、眼底视网膜血管、遥感图像中的道路等不规则细小目标有别于常规目标,其
随着计算机技术的飞速发展,信息过载已经成为人们当前网络生活的一大阻碍。推荐算法是当前应对信息过载的重要手段。传统的推荐算法有着诸多问题,例如冷启动、数据稀疏等。随着神经网络、深度学习等算法的广泛应用,将时序交互信息与动态图神经网络结合已成为当前推荐系统研究的一大热点。过去研究者提出了一些基于用户项目交互历史的动态图算法,但是这些方算法只考虑了交互中所涉及到节点的演化更新,没有考虑交互过程对邻居节点
目的:建立奥沙利铂（Oxaliplatin,L-OHP）耐药的人结肠癌细胞株,为探索人结肠癌细胞L-OHP耐药相关的分子机制奠定基础。筛选并鉴定耐药细胞差异表达的微小RNA（miRNAs）。探索差异最显著的miR-302a-3p对人结肠癌细胞L-OHP耐药的作用及其机制。方法:采用药物浓度梯度递增持续诱导法建立L-OHP耐药的人结肠癌细胞株（LoVo/L-OHP细胞株）,用CCK-8实验检测细胞对
面向机坪目标检测的应用大多在监控视频上进行,面临着巨大的存储压力和计算开销,海量的图像数据对视频处理和分析方法提出了更高的要求。目前一般采用大型的云服务器集群对机坪监控视频进行目标检测,需要高速的网络带宽并且配备强大的图形处理器（Graphic Processing Unit,GPU）提供计算支持。然而未来的趋势是提高嵌入式设备的智能处理能力,以取代昂贵的GPU设备,提高检测效率,减少资源开销。因
航班旅客订座量预测在航空公司收益管理、航线网络优化、飞行计划编排、地面作业服务等关键业务中都有重要应用,但是,由于航班订座量数据较大的离散性,订座量的预测一直是困扰航空公司实践业务的核心问题之一。本文以国内某航空公司国内航线动态定价系统开发的设计与实现为背景,重点研究其中的预测算法及其软件实现。首先,在分析航班旅客订座量数据特点的基础上,提出在星期特性（DOW）之外增加时季特性（HML）的数据分类