基于人工智能的民航旅客需求预测方法及系统

1.基于人工智能的民航旅客需求预测方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集；采集历史民航旅客需求数据，构建初始民航样本集；步骤S2：异常需求剔除；针对初始民航样本集中的异常需求记录进行剔除；步骤S3：民航需求侧补样；对剔除异常需求后的民航样本，基于航线特征相似度选取邻居生成新民航样本，得到最终民航样本集；步骤S4：建立民航旅客需求预测模型；基于最终民航样本集，以LSTM为基础，引入特征重要性评分，结合节假日关联权重增强调度策略构建民航旅客需求预测模型；步骤S5：民航旅客需求预测；基于民航旅客需求预测模型对实时采集民航旅客需求数据进行民航旅客需求预测；在步骤S4中，所述建立民航旅客需求预测模型具体包括以下内容：步骤S41：模型架构设计；以LSTM为基础，将最终民航样本集拆分为三类输入：静态特征、历史时序特征和未来外生指示序列；输出原始特征向量，准备用于后续编码；由静态特征编码器接收静态特征，输出定长静态上下文向量；编码器由多层LSTM接收每步拼接了静态上下文向量的历史时序向量，长度为T，输出隐状态序列；由Attention机制接收隐状态序列与解码器上一步隐状态，输出上下文向量；解码器由多层LSTM接收上一步预测值、静态上下文、当前上下文和未来外生指示，输出解码器隐状态；输出层接收解码器隐状态，输出第k步客流量预测结果；基础损失采用均方误差损失函数；步骤S42：损失引入特征重要性评分，从不同角度评估特征-时间点对预测的影响，计算民航样本的特征敏感度评分 ，使用动态调整积分步长，根据特征的变化情况计算特征敏感度评分，将积分步长 作为一个动态变量，根据特征的变化率进行调整， ；特征敏感度评分表示为： ；其中， 是第i个民航样本第k维度在时间点t的实际特征值； 是第i个民航样本第k维度在时间点t的特征变化率； 是特征均值； 是第k维度在时间点t的值； 是客流量预测结果；x是民航样本输入特征向量， 是特征向量均值； 是积分变量；计算民航样本的交互影响值 ，用于捕捉节假日、天气的离散交互效应，表示为： ；其中，F是所有特征-时间点的总集；S是从总集F去掉特征-时间点(k,t)之外的子集； 是接收子集作为输入的客流量预测结果；步骤S43：两阶段训练策略；步骤S44：节假日关联权重增强调度。 2.根据权利要求1所述的基于人工智能的民航旅客需求预测方法，其特征在于：在步骤S2中，所述异常需求剔除是对所有低需求民航样本与高需求民航样本，使用模糊均值聚类，剔除异常点，并引入时序加权距离，计算民航样本异常值 ，所用公式为： ； ；其中， 是民航样本 与簇中心 的距离； 和 分别是民航样本 与簇中心 的时间点； 是时间衰减因子；F是总特征维度，f是维度索引，i是民航样本索引； 和 分别是 和 第f维度的值；K是总簇数，j是簇索引；对于 的民航样本进行剔除； 是噪声阈值。 3.根据权利要求2所述的基于人工智能的民航旅客需求预测方法，其特征在于：在步骤S3中，所述民航需求侧补样是引入航线相似度权重，进行民航样本补样，对经过异常需求剔除的低需求民航样本和高需求民航样本再次进行模糊均值聚类；计算航线特征相似度 ，表示为： ；在每个聚类簇内，基于航线特征相似度对剩余低需求民航样本和高需求民航样本进行选取邻居生成新民航样本 ，所用公式为： ；其中， 和 是原始民航样本； 是生成系数；得到最终民航样本集。 4.根据权利要求3所述的基于人工智能的民航旅客需求预测方法，其特征在于：在步骤S43中，所述两阶段训练策略是阶段一用纯均方误差训练 轮，最小化均方误差损失，每个批次计算并归一化，表示为： ；其中，ImSe是归一化后的特征重要性评分；batch是每个训练批次中的民航样本数量；G是归一化常数； 和 是权重超参数；阶段二用重要性导向惩罚引导，再训练 轮，最小化 ；其中，L是总损失函数； 是动态惩罚系数； 是均方误差损失函数。 5.根据权利要求4所述的基于人工智能的民航旅客需求预测方法，其特征在于：在步骤S44中，所述节假日关联权重增强调度是引入节假日关联权重增强调度策略，定义最近大节假日距离 ，表示为： ；构造节假日增强因子 ，表示为： ；其中，h是与当前批次民航样本平均采样日期 最近的一个节假日日期；H是所有节假日日期集合； 是增强幅度； 是平滑尺度；计算当前训练轮次在节假日前后7天的关键窗口上的验证集误差比 ，表示为： ；构建误差驱动因子 ，表示为： ；最终权重调度表示为： ；其中， 是当前epoch在节假日前后7天的窗口上的验证集损失，g是当前训练次数； 是窗口内验证集平均损失； 是上一次训练验证集误差比； 是误差放大系数； 和 分别是最小惩罚系数和最大惩罚系数。 6.根据权利要求5所述的基于人工智能的民航旅客需求预测方法，其特征在于：在步骤S1中，所述数据采集是采集历史民航旅客需求数据；标注需求等级作为标签；将采集的数据进行标准化处理，得到初始民航样本集。 7.根据权利要求6所述的基于人工智能的民航旅客需求预测方法，其特征在于：在步骤S5中，所述民航旅客需求预测是实时采集民航旅客需求数据并输入至民航旅客需求预测模型中，将民航旅客需求预测模型输出的需求等级作为民航旅客需求预测结果。 8.基于人工智能的民航旅客需求预测系统，用于实现如权利要求1-7中任一项所述的基于人工智能的民航旅客需求预测方法，其特征在于：包括数据采集模块、异常需求剔除模块、民航需求侧补样模块、民航旅客需求预测模型建立模块和民航旅客需求预测模块；所述数据采集模块采集历史民航旅客需求数据，构建初始民航样本集；所述异常需求剔除模块针对初始民航样本集中的异常需求记录进行剔除；所述民航需求侧补样模块对剔除异常需求后的民航样本，基于航线特征相似度选取邻居生成新民航样本，得到最终民航样本集；所述民航旅客需求预测模型建立模块基于最终民航样本集，以LSTM为基础，引入特征重要性评分，结合节假日关联权重增强调度策略构建民航旅客需求预测模型；所述民航旅客需求预测模块基于民航旅客需求预测模型对实时采集民航旅客需求数据进行民航旅客需求预测。