排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
为了实现大面积延误场景下延误航班的旅客动态成行需求量的准确预测,从旅客个体角度提出了一个两阶段预测算法框架:一是预测旅客是否会流失,二是预测会流失旅客的具体流失时间。最后通过在任意时间点上将这些旅客个体行为整合至航班的方式来实现动态成行需求量的预测。其中的流失时间预测阶段由于旅客样本流失时间分布极不均衡且实际数据具有一定模糊性等原因成为该框架下的核心难点。为了缓解由这些问题给预测效果带来的负面影响,提出了结合标记分布学习和随机森林的旅客流失时间预测模型。最后在多个真实场景数据集上进行了仿真,结果表明所提方法优于其它对比方法,实现了更加准确的旅客动态成行需求量预测。 相似文献
1