[发明专利]基于卷积神经网络的机票价格预测方法

权利要求书

1.一种基于卷积神经网络的机票价格预测方法，其特征在于，包括：

S1：分析机票价格维度特点，设计二维的机票价格时间片结构；

S2：分析所述二维的机票价格时间片结构的数据规律与关系，对机票价格预测问题进行描述和定义得到时间-价格序列数据；

S3：对所述时间-价格序列数据，构造基于卷积神经网络的两阶段式机票价格预测模型；其中，

第一阶段：利用所述时间-价格序列数据构造机票价格的时间片，并采用粗略预测方法对未知值进行预测并填补到时间片中；

第二阶段：对第一阶段中的所述时间片，采用预测模型DC_Airfare网络进行精确预测，提取所述时间片的特征，引入外部特征，进行特征连接融合，得到最终训练模型；

S4：利用所述最终训练模型进行预测，得到所要预测的机票价格结果。

2.根据权利要求1所述的基于卷积神经网络的机票价格预测方法，其特征在于，所述的分析机票价格维度特点，设计二维的机票价格时间片结构，包括：

每个机票价格包括：起飞日期和查询日期两个维度，根据机票价格的维度特点，设qd为查询日期，fd为起飞日期，将在日期qd当天查询到的日期fd当天起飞的某具体航班的最低价格表示为：P_qd，fd；

对某个起飞日期fd确定的具体航班，起飞前n天每天都存在一个当天的最低价格，组成一条该航班的最低价格序列，则起飞日期fd所对应的最低价格序列L_fd为：

L_fd＝{P_fd-n，fd，P_{fd-(n-1)，fd}，...，P_fd-1，fd，P_fd，fd}； (1)

不同起飞日期fd的具体航班同属于一个航班号flight确定的产品集，每个航班对应一条所述最低价格序列L_fd，将这一系列的所述最低价格序列L_fd按起飞日期fd顺序进行排列，得到该航班号对应的最低价格序列集合，设当前日期为cd，未来能收集k个起飞日期fd的价格数据，其中，每个起飞日期fd对应的价格序列为所述最低价格序列L_fd，则机票最低价格序列集S_flight为：

S_flight＝{...，L_cd-2，L_cd-1，L_cd，L_cd+1，L_cd+2，...，L_cd+k} (2) 。

3.根据权利要求2所述的基于卷积神经网络的机票价格预测方法，其特征在于，所述的分析机票价格维度特点，设计二维的机票价格时间片结构，还包括：

根据航班产品存在起飞日期、查询日期两个维度的特点，设计的所述二维的机票价格时间片结构如下：

在所述机票最低价格序列集S_flight中，取连续k个起飞日期fd对应的n条最低价格序列L_fd，构造成n*k大小的矩阵，得到表格形式的二维的机票价格时间片结构，在所述二维的机票价格时间片结构中包括：在当前日期cd能够查询到的价格，以及需要预测的价格值。