基于编解码架构的航空旅客机票预定量预测研究

目录

声明

致谢

1 引言

1.1 研究背景及挑战

1.1.1 研究背景及意义

1.1.2 面临的挑战

1.2 研究现状

1.3 主要研究内容与创新点

1.4 论文组织结构

2 相关理论基础

2.1 自回归预测模型

2.1.1 ARMA 模型

2.1.2 ARIMA 模型

2.2 深度学习模型

2.2.1 循环神经网络

2.2.2 循环神经网络的基本结构

2.2.3 长短期记忆网络

2.2.4 门控循环单元网络

2.3 编码器-解码器架构

2.4 注意力机制

2.5 双阶段注意力循环神经网络

2.6 多层注意力机制网络模型

2.7 本章总结

3 基于编解码架构的机票预定量预测模型

3.1 问题定义以及符号说明

3.2 总体模型设计思路

3.3 模型介绍

3.3.1 注意力输入编码器

3.3.2 外部信息融合模块

3.3.3 输出注意力机制

3.4 模型训练

3.5 本章小结

4 实验及结果分析

4.1 数据集和实验设置

4.2 基准方法

4.2.1 朴素预测法

4.2.2 简单平均法

4.2.3 移动平均法

4.2.4 加权移动平均

4.2.5 简单指数平滑法

4.2.6 霍尔特线性趋势法

4.2.7 Holt-Winters方法

4.3 评价指标

4.3.1 平均绝对误差 MAE

4.3.2 平均绝对百分比误差 MAPE

4.3.3 均方误差 MSE

4.3.4 均方根误差 RMSE

4.4 实验描述及参数设置

4.5 总体实验设计

4.5.1 传统方法实验及结果

4.5.2 Encode-Decoder编解码架构模型实验及结果

4.5.3 查询量为输入进行预测的模型实验及结果

4.5.4 航空旅客机票预定量预测模型实验及结果

4.6 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集