本發(fā)明屬于計算機(jī)技術(shù)領(lǐng)域，尤其涉及一種航班價格預(yù)測方法、裝置、設(shè)備和存儲介質(zhì)。

背景技術(shù)：

航班價格是隨著市場銷售情況動態(tài)變化的，銷售好的航線或航班會漲價銷售反而則會降價銷售。此外，各航空公司之間除了相互通過價格競爭獲取客源之外，還同時有協(xié)議保護(hù)價格，比如，一些起飛之前的3天價格不低于8折等的價格保護(hù)協(xié)議。因此，航班的價格變化是一個十分復(fù)雜的問題，對于價格的預(yù)測有著相當(dāng)?shù)拇蟮碾y度。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供了一種航班價格預(yù)測方法、裝置、設(shè)備和存儲介質(zhì)，能夠準(zhǔn)確、高效地預(yù)測相同預(yù)定離港日期的同一航班的未來價格。

第一方面，提供了一種航班價格預(yù)測方法，可以包括：

獲得t個不同預(yù)定離港日期的同一航班在離港前預(yù)定時段的n個價格數(shù)據(jù)，其中，價格數(shù)據(jù)包括：機(jī)票價格和與機(jī)票價格相對應(yīng)的機(jī)票數(shù)量。

根據(jù)n個價格數(shù)據(jù)獲得樣本長度為k的p個不同樣本，其中，每個樣本包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)，并且，每個樣本包括一個或兩個以上的同一航班價格趨勢信息，k小于或等于n。

以p個不同樣本作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。

基于訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型預(yù)測預(yù)定離港日期的同一航班在離港之前的預(yù)定時刻的價格，其中，t、n、k、p均為正整數(shù)。

第二方面，提供了一種航班價格預(yù)測裝置，可以包括：數(shù)據(jù)采集單元、樣本選取單元、模型訓(xùn)練單元和價格預(yù)測單元。

該數(shù)據(jù)采集單元可以用于獲得t個不同預(yù)定離港日期的同一航班在離港前預(yù)定時段的n個價格數(shù)據(jù)，其中，價格數(shù)據(jù)包括：機(jī)票價格和與機(jī)票價格相對應(yīng)的機(jī)票數(shù)量。

該樣本選取單元可以用于根據(jù)n個價格數(shù)據(jù)獲得樣本長度為k的p個不同樣本，其中，每個樣本可以包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)，并且，每個樣本包括一個或兩個以上的同一航班價格趨勢信息，k小于或等于n。

該模型訓(xùn)練單元可以用于以p個不同樣本作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。

該價格預(yù)測單元可以用于基于訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型預(yù)測預(yù)定離港日期的同一航班在離港之前的預(yù)定時刻的價格，其中，t、n、k、p均為正整數(shù)。

第三方面，提供了一種航班價格預(yù)測設(shè)備，可以包括存儲器和處理器。該存儲器可以用于儲存有可執(zhí)行程序代碼；該處理器可以用于讀取存儲器中存儲的可執(zhí)行程序代碼以執(zhí)行上述的航班價格預(yù)測方法。

第四方面，提供了一種計算機(jī)可讀存儲介質(zhì)，可以包括指令，當(dāng)指令在計算機(jī)上運行時，使得計算機(jī)執(zhí)行如上述的航班價格預(yù)測方法。

第五方面，提供了一種包含指令的計算機(jī)程序產(chǎn)品，當(dāng)指令在計算機(jī)上運行時，使得計算機(jī)執(zhí)行上述的航班價格預(yù)測方法。

第六方面，提供了一種計算機(jī)程序，當(dāng)計算機(jī)程序在計算機(jī)上運行時，使得計算機(jī)執(zhí)行上述的航班價格預(yù)測方法。

根據(jù)本發(fā)明實施例提供的航班價格預(yù)測方法、裝置、設(shè)備和存儲介質(zhì)。通過獲得t個不同預(yù)定離港日期的同一航班在離港前預(yù)定時段的n個價格數(shù)據(jù)，根據(jù)n個價格數(shù)據(jù)，獲得樣本長度為k的p個不同樣本，每個樣本可以包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)，并且，每個樣本包括一個或兩個以上的同一航班價格趨勢信息，k小于或等于n，上述樣本獲取方式可以獲得能夠預(yù)測相同預(yù)定離港日期的同一航班的更多有效樣本，并且避免通過航線價格數(shù)據(jù)預(yù)測航線價格而容易發(fā)生的樣本選取困難、計算復(fù)雜、價格預(yù)測難度高準(zhǔn)確度低的缺陷。通過上述p個不同樣本作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，可以使經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確的預(yù)測未來預(yù)定離港日期的同一航班在離港之前的預(yù)定時刻的價格。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對本發(fā)明實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面所描述的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是以確定離港日的3u8996航班為例，在離港日之前該確定離港日的3u8996航班的航班價格變化曲線；

圖2是以3u8996航班為例，在該航班的多個離港日之前的預(yù)定時間段內(nèi)該3u8996航班的航班價格變化曲線；

圖3是本發(fā)明一種實施例的航班價格預(yù)測方法的示意性流程圖；

圖4是本發(fā)明一種實施例的航班價格預(yù)測方法的樣本獲取過程的示意性流程圖；

圖5是本發(fā)明另一種實施例的航班價格預(yù)測方法的示意性流程圖；

圖6是本發(fā)明一種實施例的航班價格預(yù)測方法的價格數(shù)據(jù)的獲取過程的示意性流程圖；

圖7是本發(fā)明一種實施例的航班價格預(yù)測裝置的示意性結(jié)構(gòu)框圖；

圖8是本發(fā)明另一種實施例的航班價格預(yù)測裝置的示意性結(jié)構(gòu)框圖；

圖9是本發(fā)明一種實施例的航班價格預(yù)測設(shè)備的示意性結(jié)構(gòu)框圖。

具體實施方式

基于人們的慣性思維，一般情況下，航班價格會隨著距離離港時間越近而越高，所以提前較長時間預(yù)定機(jī)票，會獲得一個較低的價格。然而，基于實際航班價格大數(shù)據(jù)顯示，并非距離航班離港時間越近，航班價格越高。

圖1是以確定離港日的3u8996航班為例，在離港日之前該確定離港日的3u8996航班的航班價格變化曲線。如圖1所示，3u8996航班距離起飛時間越近反而價格越低，造成這種情況的有很多可能，比如航班客座率低、相關(guān)航班的價格競爭等等多種因素。并且，這些因素并非偶然現(xiàn)象。

圖2是以3u8996航班為例，在該航班的多個離港日之前的預(yù)定時間段內(nèi)該3u8996航班的航班價格變化曲線。如圖2所示，跟蹤離港時間段為2016-10-15至2016-10-24的3u8896航班價格，從圖2中容易看出，在起飛前3至15天航班價格的波動比較明顯，所以，在這段時間對于航班價格波動進(jìn)行準(zhǔn)確預(yù)測具有重要意義。

下面將詳細(xì)描述本發(fā)明的各個方面的特征和示例性實施例。在下面的詳細(xì)描述中，提出了許多具體細(xì)節(jié)，以便提供對本發(fā)明的全面理解。但是，對于本領(lǐng)域技術(shù)人員來說很明顯的是，本發(fā)明可以在不需要這些具體細(xì)節(jié)中的一些細(xì)節(jié)的情況下實施。下面對實施例的描述僅僅是為了通過示出本發(fā)明的示例來提供對本發(fā)明的更好的理解。

需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。下面將參考附圖對實施例進(jìn)行詳細(xì)描述。

圖3是本發(fā)明一種實施例的航班價格預(yù)測方法的示意性流程圖。如圖3所示，一種航班價格預(yù)測方法，可以包括：s310～s340。

s310，獲得t個不同預(yù)定離港日期的同一航班在離港前預(yù)定時段的n個價格數(shù)據(jù)，其中，價格數(shù)據(jù)包括：機(jī)票價格和與機(jī)票價格相對應(yīng)的機(jī)票數(shù)量。

s320，根據(jù)n個價格數(shù)據(jù)獲得樣本長度為k的p個不同樣本，其中，每個樣本包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)，并且，每個樣本包括一個或兩個以上的同一航班價格趨勢信息，k小于或等于n。

s330，以p個不同樣本作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。

s340，基于訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型預(yù)測預(yù)定離港日期的同一航班在離港之前的預(yù)定時刻的價格，其中，t、n、k、p均為正整數(shù)。

在一些示例中，s310中的t個不同預(yù)定離港日期的同一航班可以表示為不同離港日期的某一個特定航班。

例如，t個不同預(yù)定離港日期可以是離港日期在2016-10-15至2016-10-24的10個不同預(yù)定離港日期，也可以是是離港日期在2016-10-15至2016-10-24的10個不同預(yù)定離港日期中的預(yù)定的5個離港日期。同一航班可以3u8896航班。

s310的預(yù)定時段可以是某一離港日期的某一預(yù)定航班離港前的預(yù)定時段。例如，2016-10-15的3u8896航班離港前的10天至20天。

那么，s310也就是，例如：選擇離港日期為2016-10-15至2016-10-24的10個不同預(yù)定離港日期的3u8896航班，獲得上述航班離港前的3到15天查詢到的上述航班的航班價格數(shù)據(jù)。

在一些示例中，s310中的價格數(shù)據(jù)可以來自中國航信互聯(lián)網(wǎng)訂座引擎(internetbookingengine，ibe)，該中國航信互聯(lián)網(wǎng)訂座引擎是基于因特網(wǎng)的開放平臺技術(shù)，為各種用戶應(yīng)用系統(tǒng)提供訪問中國航信傳統(tǒng)訂座業(yè)務(wù)系統(tǒng)的途徑，是采用應(yīng)用程序編程接口(applicationprogramminginterface，api)方式的接口，ibe接口是由中航信提供的接口為代理人分銷全流程解決方案接口，有查詢、預(yù)定、出票、變更、增值服務(wù)、基礎(chǔ)數(shù)據(jù)等服務(wù)。

例如，s310中可以與ibe接口進(jìn)行連接和通信，獲得航班艙位狀態(tài)。

在另一些示例中，也可以與其他國際航信互聯(lián)網(wǎng)訂座接口相連接和通信，獲取航班價格數(shù)據(jù)。

在一些示例中，上述獲得的艙位狀態(tài)可以包括艙位類型和剩余數(shù)量。例如：fa，i2，j2，a2，ya，ba，ts，ha，ga，sq，la，ea，vq，ra，kq，nq，xq，us，wq，qq，mq，zq。

在一些示例中，s310的價格數(shù)據(jù)可以是根據(jù)上述艙位狀態(tài)在現(xiàn)有的運價基礎(chǔ)數(shù)據(jù)庫中匹配查詢獲得。這種獲取航班價格的方式獲得是航班的公布運價，相比通過其他方式獲得的航班價格，這種獲取航班價格更為原始，避免了代理商對原始價格的調(diào)整。利用公布運價預(yù)測航班價格變化相比通過其他方式獲得航班價格進(jìn)行價格預(yù)測，具有預(yù)測準(zhǔn)確度高、計算復(fù)雜度低的優(yōu)點。

在一些示例中，s310可以包括：

將預(yù)定時段平均劃分為n個時間段，將每個時間段內(nèi)同一航班的最低價格記錄為每個時間段的價格數(shù)據(jù)。應(yīng)理解，獲取的價格數(shù)據(jù)可以為每個時間段內(nèi)同一航班的最低價格，因為用戶通常只對航班的最低價格比較關(guān)注，所以獲取的價格數(shù)據(jù)是每個時間段內(nèi)同一航班的最低價格，對后面的航班價格預(yù)測才更有意義。

在一些示例中，s320中的每個樣本包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)。

例如，某一個樣本可以包括離港日期為2016-10-17的3u8896航班在離港前4至15天查詢到的該航班的價格數(shù)據(jù)。

在一些示例中，s320中的每個樣本還可以包括一個或兩個以上的同一航班價格趨勢信息。

例如，可以是離港日期為2016-10-17的3u8896航班在離港前4至15天查詢到的該航班的價格數(shù)據(jù)之間的變化趨勢信息。

在一些示例中，例如，變化趨勢信息可以是離港前第3天相對離港前第4天3u8896航班的價格變化趨勢。

在一些示例中，s330的神經(jīng)網(wǎng)絡(luò)模型可以是bp神經(jīng)網(wǎng)絡(luò)模型，例如：單隱層的bp神經(jīng)網(wǎng)絡(luò)模型。

神經(jīng)網(wǎng)絡(luò)的參數(shù)有很多，且神經(jīng)網(wǎng)絡(luò)參數(shù)的設(shè)置對網(wǎng)絡(luò)性能有很大的影響，例如隱含層節(jié)點個數(shù)的選擇，激活函數(shù)的選擇，學(xué)習(xí)率的選擇等。

其中：

隱含層神經(jīng)元數(shù)的選擇非常重要，太少的神經(jīng)元會使神經(jīng)網(wǎng)絡(luò)“欠擬合”，過多的神經(jīng)元會使神經(jīng)網(wǎng)絡(luò)“過擬合”，而且會增加運算量，使得訓(xùn)練較慢，降低模型預(yù)測的準(zhǔn)確度。隱含層的節(jié)點數(shù)的選擇與輸入的節(jié)點數(shù)有關(guān)。

激活函數(shù)的選擇無論是對于識別率還是收斂速度都有顯著的影響。

學(xué)習(xí)率的選擇影響網(wǎng)絡(luò)收斂速度以及網(wǎng)絡(luò)能否收斂。學(xué)習(xí)率的選擇不可過大，也不可過小，設(shè)置偏小可以保證網(wǎng)絡(luò)收斂，但收斂速度較慢；相反設(shè)置過大，有可能是網(wǎng)絡(luò)不收斂，影響預(yù)測效果。

在一些示例中，s330中的神經(jīng)網(wǎng)絡(luò)模型的隱含層節(jié)點的個數(shù)可以根據(jù)公式(1)獲得：

在式(1)中，s為隱含層節(jié)點數(shù)，n為輸入層節(jié)點數(shù)，m為輸出層節(jié)點數(shù)，a為1～10的常數(shù)。

例如：輸入層節(jié)點數(shù)為40，輸出層節(jié)點數(shù)為3，那么根據(jù)公式(1)，隱含層幾點個數(shù)可以是10。

在一些示例中，因為在逼近高次曲線時，s型函數(shù)精度比線性函數(shù)要高得多，s330中的神經(jīng)網(wǎng)絡(luò)模型的激活函數(shù)選擇s型函數(shù)。

在一些示例中，s330中的神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)率可以選擇在0.1左右。

在一些示例中，s340可以基于上述示例訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型預(yù)測預(yù)定離港日期為2016-10-28的3u8896航班在未來的價格變化趨勢。

在一些示例中，上述的價格變化趨勢可以用數(shù)字表示，例如，0代表價格下降，1代表價格保持不變，2代表價格上升。例如，通過上述神經(jīng)網(wǎng)絡(luò)模型預(yù)測得到，結(jié)果是1，那么可以判定日期為2016-10-28的3u8896航班在未來的價格與當(dāng)前價格持平。

在一些示例中，上述預(yù)測結(jié)果可以用于多種數(shù)據(jù)服務(wù)需求場景中，不局限于單獨的航班價格預(yù)測，可以適用于需要進(jìn)行航班價格預(yù)測服務(wù)的其他航空服務(wù)涉及的復(fù)雜場景。

因此，本發(fā)明實施例提供的航班價格預(yù)測方法。可以通過獲得t個不同預(yù)定離港日期的同一航班在離港前預(yù)定時段的n個價格數(shù)據(jù)，根據(jù)n個價格數(shù)據(jù)，獲得樣本長度為k的p個不同樣本，每個樣本可以包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)，并且，每個樣本包括一個或兩個以上的同一航班價格趨勢信息，k小于或等于n，上述樣本獲取方式可以獲得能夠預(yù)測相同預(yù)定離港日期的同一航班的更多有效樣本，并且避免通過航線價格數(shù)據(jù)預(yù)測航線價格而容易發(fā)生的樣本選取困難、計算復(fù)雜、價格預(yù)測難度高準(zhǔn)確度低的缺陷。通過上述p個不同樣本作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，可以使經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確的預(yù)測未來預(yù)定離港日期的同一航班在離港之前的預(yù)定時刻的價格。

根據(jù)一些實施例，在s330之前還包括：

比較p與樣本數(shù)量閾值，并且判定p大于或等于樣本數(shù)量閾值。

根據(jù)一些實施例，s320可以包括：

通過每個相同預(yù)定離港日期的同一航班在離港前預(yù)定時段的價格數(shù)據(jù)獲得m×t-k個不同樣本，其中，m為預(yù)定時段的天數(shù)，t為在每天獲取價格數(shù)據(jù)的次數(shù)，其中，m×t大于或等于k；

基于每個相同預(yù)定離港日期的同一航班在離港前預(yù)定時段的價格數(shù)據(jù)獲得的m×t-k個不同樣本和不同預(yù)定離港日期的數(shù)量t獲得p個不同樣本。

圖4是本發(fā)明一種實施例的航班價格預(yù)測方法的樣本獲取過程的示意性流程圖。如圖4所示，航班價格預(yù)測方法的樣本獲取過程包括：s401～s410。

s401，獲取當(dāng)前日期d，初始化c＝0，i＝0。其中，c為初始樣本數(shù)量，i為初始數(shù)據(jù)獲取循環(huán)次數(shù)。

s402，i＝i+1，可以理解為將初始數(shù)據(jù)獲取循環(huán)次數(shù)加1。

s403，獲取離港日期為d-i日的預(yù)定航班的價格變化和艙位變化數(shù)據(jù)。

s404，在上述數(shù)據(jù)中篩選距離預(yù)定行本離港前m天的數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)。

s405，在基礎(chǔ)數(shù)據(jù)中選取k個維度作為時間序列。

s406，判斷時間序列結(jié)果，并結(jié)合k-1個維度的時間序列的基礎(chǔ)數(shù)據(jù)構(gòu)建機(jī)器學(xué)習(xí)樣本。例如，可以將時間序列中最后一個數(shù)據(jù)相對前一個數(shù)據(jù)的變化趨勢作為時間序列結(jié)果。

s407，將m×t-k個樣本累計入樣本庫。

s408，c＝c+m×t-k。

s409，判斷c是否大于預(yù)設(shè)本數(shù)量閾值x。如果c是大于預(yù)設(shè)本數(shù)量閾值x進(jìn)入s410，如果c是不大于預(yù)設(shè)本數(shù)量閾值x返回s402。

s410，存儲數(shù)據(jù)樣本。到此為止，成功獲取了x個機(jī)器學(xué)習(xí)訓(xùn)練樣本。

圖5是本發(fā)明另一種實施例的航班價格預(yù)測方法的示意性流程圖。如圖5所示，上述航班價格預(yù)測方法還可以包括：s510，當(dāng)n個價格數(shù)據(jù)中出現(xiàn)缺失價格數(shù)據(jù)時，選擇缺失價格數(shù)據(jù)對應(yīng)的價格數(shù)據(jù)采集的時間節(jié)點的下一次價格數(shù)據(jù)采集的時間節(jié)點對應(yīng)的價格數(shù)據(jù)，將選擇的價格數(shù)據(jù)作為缺失價格數(shù)據(jù)補(bǔ)充到n個價格數(shù)據(jù)中。

圖6是本發(fā)明一種實施例的航班價格預(yù)測方法的價格數(shù)據(jù)的獲取過程的示意性流程圖。如圖6所示，該航班價格預(yù)測方法的價格數(shù)據(jù)的獲取過程可以包括：s601～s607。

s601，獲取未處理的數(shù)據(jù)。可以通過ibe接口獲取未處理過的航班價格數(shù)據(jù)。

s602，分離艙位代碼和艙位剩余座位數(shù)。在獲取的未處理過的航班價格數(shù)據(jù)對艙位代碼和艙位剩余座位數(shù)進(jìn)行分離。

s603，結(jié)合艙位價格數(shù)據(jù)庫獲取航班最低運價?？梢岳斫?，上述航班最低運價可以根據(jù)上述艙位狀態(tài)在現(xiàn)有的運價基礎(chǔ)數(shù)據(jù)庫中匹配查詢獲得。

s604，判斷獲取的航班最低運價也就是需要的價格數(shù)據(jù)是否出現(xiàn)缺失值。如果出現(xiàn)缺失值，則進(jìn)入s605，如果沒有出現(xiàn)缺失值，則進(jìn)入s607。

s605，判斷缺失值是否在允許范圍內(nèi)，如果缺失值是在允許范圍內(nèi)，則進(jìn)入s606，如果缺失值不在允許范圍內(nèi)，則放棄此次獲取的數(shù)據(jù)，返回s601。

s606，利用相鄰數(shù)據(jù)填補(bǔ)缺失值。可以理解為當(dāng)價格數(shù)據(jù)中出現(xiàn)缺失價格數(shù)據(jù)時，選擇缺失價格數(shù)據(jù)對應(yīng)的價格數(shù)據(jù)采集的時間節(jié)點的下一次價格數(shù)據(jù)采集的時間節(jié)點對應(yīng)的價格數(shù)據(jù)，將選擇的價格數(shù)據(jù)作為缺失價格數(shù)據(jù)補(bǔ)充到價格數(shù)據(jù)中。

s607，按照數(shù)據(jù)采集的時間、航班離港的日期將價格數(shù)據(jù)分類存入數(shù)據(jù)庫。

上文中結(jié)合圖3至圖6，詳細(xì)描述了根據(jù)本發(fā)明實施例的航班價格預(yù)測方法，下面將結(jié)合圖7至圖9，詳細(xì)描述根據(jù)本發(fā)明實施例的航班價格預(yù)測裝置、設(shè)備和存儲介質(zhì)。

圖7是本發(fā)明一種實施例的航班價格預(yù)測裝置的示意性結(jié)構(gòu)框圖。如圖7所示，航班價格預(yù)測裝置700可以包括數(shù)據(jù)采集單元710、樣本選取單元720、模型訓(xùn)練單元730和價格預(yù)測單元740。

數(shù)據(jù)采集單元710可以用于獲得t個不同預(yù)定離港日期的同一航班在離港前預(yù)定時段的n個價格數(shù)據(jù)。

樣本選取單元720可以用于根據(jù)n個價格數(shù)據(jù)獲得樣本長度為k的p個不同樣本，其中，每個樣本可以包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)，并且，每個樣本包括一個或兩個以上的同一航班價格趨勢信息，k小于或等于n。

模型訓(xùn)練單元730可以用于以p個不同樣本作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。

價格預(yù)測單元740可以用于基于訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型預(yù)測預(yù)定離港日期的同一航班在離港之前的預(yù)定時刻的價格，其中，t、n、k、p均為正整數(shù)。

根據(jù)本發(fā)明實施例的航班價格預(yù)測裝置700可對應(yīng)于根據(jù)本發(fā)明實施例的航班價格預(yù)測方法中的執(zhí)行主體，并且航班價格預(yù)測裝置700中的各個單元的功能分別為了實現(xiàn)圖3中的各個方法的相應(yīng)流程，為了簡潔，在此不再贅述。

因此，根據(jù)本發(fā)明實施例提供的航班價格預(yù)測裝置。通過獲得t個不同預(yù)定離港日期的同一航班在離港前預(yù)定時段的n個價格數(shù)據(jù)，根據(jù)n個價格數(shù)據(jù)，獲得樣本長度為k的p個不同樣本，每個樣本可以包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)，并且，每個樣本包括一個或兩個以上的同一航班價格趨勢信息，k小于或等于n，上述樣本獲取方式可以獲得能夠預(yù)測相同預(yù)定離港日期的同一航班的更多有效樣本，并且避免通過航線價格數(shù)據(jù)預(yù)測航線價格而容易發(fā)生的樣本選取困難、計算復(fù)雜、價格預(yù)測難度高準(zhǔn)確度低的缺陷。通過上述p個不同樣本作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，可以使經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確的預(yù)測未來預(yù)定離港日期的同一航班在離港之前的預(yù)定時刻的價格。

在一些示例中，數(shù)據(jù)采集單元710還可以用于：

將預(yù)定時段平均劃分為n個時間段，將每個時間段內(nèi)同一航班的最低價格記錄為每個時間段的價格數(shù)據(jù)。

在一些示例中，樣本選取單元720還可以用于：

通過每個相同預(yù)定離港日期的同一航班在離港前預(yù)定時段的價格數(shù)據(jù)獲得m×t-k個不同樣本，其中，m為預(yù)定時段的天數(shù)，t為在每天獲取價格數(shù)據(jù)的次數(shù)，其中，m×t大于或等于k；

基于每個相同預(yù)定離港日期的同一航班在離港前預(yù)定時段的價格數(shù)據(jù)獲得的m×t-k個不同樣本和不同預(yù)定離港日期的數(shù)量t獲得p個不同樣本。

在一些示例中，航班價格預(yù)測裝置還可以包括判斷單元，可以用于：

比較p與樣本數(shù)量閾值，并且判定p大于或等于樣本數(shù)量閾值。

圖8是本發(fā)明另一種實施例的航班價格預(yù)測裝置的示意性結(jié)構(gòu)框圖。如圖8所示，航班價格預(yù)測裝置800可以包括：數(shù)據(jù)采集單元810、缺失數(shù)據(jù)處理單元820、樣本選取單元830、模型訓(xùn)練單元840和價格預(yù)測單元850。

數(shù)據(jù)采集單元810可以用于獲得t個不同預(yù)定離港日期的同一航班在離港前預(yù)定時段的n個價格數(shù)據(jù)，其中，價格數(shù)據(jù)包括：機(jī)票價格和與機(jī)票價格相對應(yīng)的機(jī)票數(shù)量。

缺失數(shù)據(jù)處理單元，可以用于當(dāng)n個價格數(shù)據(jù)中出現(xiàn)缺失價格數(shù)據(jù)時，選擇缺失價格數(shù)據(jù)對應(yīng)的價格數(shù)據(jù)采集的時間節(jié)點的下一次價格數(shù)據(jù)采集的時間節(jié)點對應(yīng)的價格數(shù)據(jù)，將選擇的價格數(shù)據(jù)作為缺失價格數(shù)據(jù)補(bǔ)充到n個價格數(shù)據(jù)中。

樣本選取單元820可以用于根據(jù)n個價格數(shù)據(jù)獲得樣本長度為k的p個不同樣本，其中，每個樣本可以包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)，并且，每個樣本包括一個或兩個以上的同一航班價格趨勢信息，k小于或等于n。

模型訓(xùn)練單元830可以用于以p個不同樣本作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。

價格預(yù)測單元840可以用于基于訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型預(yù)測預(yù)定離港日期的同一航班在離港之前的預(yù)定時刻的價格，其中，t、n、k、p均為正整數(shù)。

圖9是本發(fā)明一種實施例的航班價格預(yù)測設(shè)備的示意性結(jié)構(gòu)框圖。如圖9所示，航班價格預(yù)測設(shè)備900，可以包括存儲器904和處理器903。

存儲器904可以用于儲存有可執(zhí)行程序代碼；處理器903可以用于讀取存儲器中存儲的可執(zhí)行程序代碼以執(zhí)行上述的航班價格預(yù)測方法。

因此，根據(jù)本發(fā)明實施例提供的航班價格預(yù)測設(shè)備。通過獲得t個不同預(yù)定離港日期的同一航班在離港前預(yù)定時段的n個價格數(shù)據(jù)，根據(jù)n個價格數(shù)據(jù)，獲得樣本長度為k的p個不同樣本，每個樣本可以包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)，并且，每個樣本包括一個或兩個以上的同一航班價格趨勢信息，k小于或等于n，上述樣本獲取方式可以獲得能夠預(yù)測相同預(yù)定離港日期的同一航班的更多有效樣本，并且避免通過航線價格數(shù)據(jù)預(yù)測航線價格而容易發(fā)生的樣本選取困難、計算復(fù)雜、價格預(yù)測難度高準(zhǔn)確度低的缺陷。通過上述p個不同樣本作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，可以使經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確的預(yù)測未來預(yù)定離港日期的同一航班在離港之前的預(yù)定時刻的價格。

在一些示例中，航班價格預(yù)測設(shè)備900還可以包括輸入設(shè)備901、輸入端口902、輸出端口905、以及輸出設(shè)備906。其中，輸入端口902、處理器903、存儲器904、以及輸出端口905通過總線910相互連接，輸入設(shè)備901和輸出設(shè)備906分別通過輸入端口902和輸出端口905與總線910連接，進(jìn)而與設(shè)備900的其他組件連接。

在一些示例中，這里的輸出接口和輸入接口也可以用i/o接口表示。具體地，輸入設(shè)備901接收來自外部的輸入信息，并通過輸入端口902將輸入信息傳送到處理器903。例如，輸入價格數(shù)據(jù)。

在一些示例中，處理器903基于存儲器904中存儲的計算機(jī)可執(zhí)行程序代碼或指令對輸入信息進(jìn)行處理以生成輸出信息，例如，處理器904執(zhí)行以下步驟：獲得t個不同預(yù)定離港日期的同一航班在離港前預(yù)定時段的n個價格數(shù)據(jù)，其中，價格數(shù)據(jù)包括：機(jī)票價格和與機(jī)票價格相對應(yīng)的機(jī)票數(shù)量。根據(jù)n個價格數(shù)據(jù)獲得樣本長度為k的p個不同樣本，其中，每個樣本包括的價格數(shù)據(jù)為相同預(yù)定離港日期的同一航班在預(yù)定時段的價格數(shù)據(jù)，并且，每個樣本包括一個或兩個以上的同一航班價格趨勢信息，k小于或等于n。以p個不同樣本作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型?；谟?xùn)練后的神經(jīng)網(wǎng)絡(luò)模型預(yù)測預(yù)定離港日期的同一航班在離港之前的預(yù)定時刻的價格，其中，t、n、k、p均為正整數(shù)。將輸出信息臨時或者永久地存儲在存儲器904中，隨后在需要時經(jīng)由輸出端口905將輸出信息傳送到輸出設(shè)備906。輸出設(shè)備906將輸出信息輸出到設(shè)備900的外部。例如，在顯示設(shè)備中呈現(xiàn)，或上傳至云端。

上述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本發(fā)明實施例方案的目的。

在一些示例中，提供了一種計算機(jī)可讀存儲介質(zhì)，可以包括指令，當(dāng)其在計算機(jī)上運行時，可以使得計算機(jī)執(zhí)行上述的航班價格預(yù)測方法。

在一些示例中，提供了一種包含指令的計算機(jī)程序產(chǎn)品，當(dāng)其在計算機(jī)上運行時，使得計算機(jī)執(zhí)行上述的航班價格預(yù)測方法。

在一些示例中，提供了一種計算機(jī)程序，當(dāng)其在計算機(jī)上運行時，使得計算機(jī)執(zhí)行上述的航班價格預(yù)測方法。

在上述示例中，可以全部或部分地通過軟件、硬件、固件或者其任意組合來實現(xiàn)。當(dāng)使用軟件實現(xiàn)時，可以全部或部分地以計算機(jī)程序產(chǎn)品的形式實現(xiàn)。所述計算機(jī)程序產(chǎn)品包括一個或多個計算機(jī)指令。在計算機(jī)上加載和執(zhí)行所述計算機(jī)程序指令時，全部或部分地產(chǎn)生按照本發(fā)明實施例所述的流程或功能。所述計算機(jī)可以是通用計算機(jī)、專用計算機(jī)、計算機(jī)網(wǎng)絡(luò)、或者其他可編程裝置。所述計算機(jī)指令可以存儲在計算機(jī)可讀存儲介質(zhì)中，或者從一個計算機(jī)可讀存儲介質(zhì)向另一個計算機(jī)可讀存儲介質(zhì)傳輸，例如，所述計算機(jī)指令可以從一個網(wǎng)站站點、計算機(jī)、服務(wù)器或數(shù)據(jù)中心通過有線(例如同軸電纜、光纖、數(shù)字用戶線(dsl))或無線(例如紅外、無線、微波等)方式向另一個網(wǎng)站站點、計算機(jī)、服務(wù)器或數(shù)據(jù)中心進(jìn)行傳輸。所述計算機(jī)可讀存儲介質(zhì)可以是計算機(jī)能夠存取的任何可用介質(zhì)或者是包含一個或多個可用介質(zhì)集成的服務(wù)器、數(shù)據(jù)中心等數(shù)據(jù)存儲設(shè)備。所述可用介質(zhì)可以是磁性介質(zhì)，(例如，軟盤、硬盤、磁帶)、光介質(zhì)(例如，dvd)、或者半導(dǎo)體介質(zhì)(例如固態(tài)硬盤solidstatedisk(ssd))等。

根據(jù)一些實施例，航班價格預(yù)測方法可以通過matlab軟件在具有l(wèi)inux系統(tǒng)的高性能計算服務(wù)器實現(xiàn)。

例如，高性能計算服務(wù)器通過webservice獲取需要預(yù)測的信息，例如：預(yù)測的信息為：2017-5-1從哈爾濱至深圳的航班zh9628在未來24小時內(nèi)的變化趨勢。

在一些示例中，在價格數(shù)據(jù)的采集階段，若上述每天獲取所述價格數(shù)據(jù)的次數(shù)t取值為4，那么同樣可以預(yù)測2017-5-1從哈爾濱至深圳的航班zh9628在未來6小時內(nèi)的變化趨勢。

在一些示例中，高性能計算服務(wù)器可以根據(jù)上述計算機(jī)可讀存儲介質(zhì)根據(jù)獲取的預(yù)測信息內(nèi)容從系統(tǒng)歷史數(shù)據(jù)庫中去讀歷史數(shù)據(jù)和用來預(yù)測的節(jié)點數(shù)據(jù)，并形成相應(yīng)的數(shù)據(jù)文件，數(shù)據(jù)文件分為預(yù)測數(shù)據(jù)和訓(xùn)練數(shù)據(jù)兩部分。

在一些示例中，高性能計算服務(wù)器可以根據(jù)上述計算機(jī)可讀存儲介質(zhì)通過matlab讀取訓(xùn)練數(shù)據(jù)文件，程序自動訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。訓(xùn)練完成后將訓(xùn)練結(jié)果存儲為matlab的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)文件。通過訓(xùn)練后神經(jīng)網(wǎng)絡(luò)模型計算預(yù)測數(shù)據(jù)的結(jié)果，獲取預(yù)測的價格變化趨勢。將預(yù)測結(jié)果通過通信端口傳輸，然后再由webservice接口發(fā)布給用戶。