基于多粒度时间注意力RNN的航班客座率预测

准确预测航班客座率有利于处理航班机票超售、座位虚耗等问题,然而传统时间序列预测方法只关注航班近期每日客座率的变化特点,无法同时考虑其他因素的影响,预测效果不够理想。针对该问题,提出一种基于多粒度时间注意力机制的循环神经网络模型MTA-RNN。通过构建多级注意力机制获取航班客座率在不同时间粒度下的时序相关性,同时考虑航班自身属性及节假日等其他因素,得到未来一段时间内的目标航班客座率。在真实历史航班客座率数据集上的实验结果表明,MTA-RNN模型的预测准确率高于ARIMA模型、LSTM模型和Seq2seq模型。

航空运输“三率”和经济效益提高问题

1995年6月,民航总局召开的安全和经济效益分析会,是总局党委狠抓今年各项工作落实的一项重要举措。会议提出:提高民航经济效益是当务之急,要大力抓好飞机“三率”水平的提高,积极增产增收。航空运输生产“三率”。