基于TPA-Transformer的机票价格预测

• 全文链接
• 请求原文

作   者：

申志豪;  李娜;  尹世豪;  杜一;  胡良霖; 

作者机构：

中国科学院大学;  中国民航信息网络股份有限公司;  国家基础学科公共科学数据中心;  中国科学院计算机网络信息中心;  民航旅客服务智能化应用技术重点实验室; 

关键词：

时间序列;  注意力机制;  机器学习;  机票价格预测; 

期刊名称：

数据与计算发展前沿

i s s n：

2096-742X

年卷期：

2023 年 06 期

页   码：

115-125

摘   要：

【目的】航空业被认为是使用最复杂定价策略的行业之一，机票价格动态波动显著。乘客根据经验购票（如尽早购票）往往得不到最优价格，而基于时序模型的传统价格预测方法也不能很好地捕捉复杂内外部因素与机票价格之间的依赖关系。【方法】本文提出基于机器学习的机票价格预测模型TPA-Transformer(Ticket Price Aware Transformer，机票价格感知Transformer)和一种基于时间序列的数据处理方法，通过增加注意力模块引入其他航班价格参考信息，并在Encoder后增加多层卷积结构进行多航班不同属性信息融合与局部特征提取，从而提高模型在多步价格预测上的表现性能。【结果】随后在5个回归评价指标（MSE、RMSE、MAE、ACC以及AMS）上对模型结果进行验证。【结论】结果证明，模型能够有效提高预测准确率，明显优于其他5个对比模型（随机森林、XGBoost、LSTM、GRU、Transformer）。