python预测机票价格_一种国内机票价格预测方法与流程

本发明属于机票查询预测技术领域，具体涉及一种国内机票价格预测方法。

背景技术：

随着生活水平的提高，选择飞机作为旅游出行的交通工具的人数逐年增加。但是，旅客对于机票价格依然十分敏感，且以最优价格购买心仪航线机票的愿望十分强烈，机票市场未来几年需求巨大。由于国内航空公司使用收益管理并根据旅客购买行为改变定价策略，国外机票价格的预测方法大多不适合国内的机票价格变化。面对新形势下国内机票价格的变动趋势，几经摸索，国内机票价格预测技术已经有了一定发展，比较常见的有：

第一种是基于相同起飞日期、不同观测时间采集到的历史价格数据建模，用于预测未来观测日期同一起飞日期的机票价格。其优点是：可以为旅客提供有效的机票价格购买决策建议；其缺点是：对建模能力要求较高，需要大量数据集，并需要反复验证，数据集较少时难以保证准确度。

第二种是采用时间序列算法对短期价格进行预测，对数据进行等价类划分，依据机票价格分为短期和长期等多种，并训练模型。其优点是：建模思路清晰，预测效果好；其缺点是：未来需要人工干预，应对定价趋势的改变，对以往取得的正确结果并没有反馈。

第三种是Q-learning模型法。利用增强学习的数据挖掘方法找到其中的规律，对模型在不同状态下采取的不同决策给予相应的奖惩，最终得到该模型在每个状态下的最优决策并返回预测价格。其优点是：预测效果较好，正确结果能够得到有效反馈；其缺点是：需要收集更多的航线特征，策略引入当前价格和平均价格的比较，对于定价规则的变