基于注意力机制优化EDM机场客流量预测

作者：李航; 邓颖红^*

来源：计算机系统应用, 2021, 30(10): 307-311.

DOI：10.15888/j.cnki.csa.008112

• 编码解码模型
• 融合双向长短时记忆网络
• 注意力机制
• 机场客流量预测

针对标准编码解码模型(Encoder-Decoder Model, EDM)对于时间序列数据提取能力弱的问题,提出一种融合双向长短时记忆网络(Bi-directional Long Short-Term Memory, Bi-LSTM)和注意力机制(Attention)的编码解码模型.通过Bi-LSTM对输入数据从正反两个方向进行特征提取,基于注意力机制将所得到的特征根据不同时刻分配不同权重,根据解码阶段的不同时刻生成相应背景变量,进而实现对机场客流量的预测.选取上海虹桥机场为例用该算法进行实验仿真,实验结果表明,本文所提方法与RNN、LSTM相比,平均标准误差降低了57.9%以上,为机场客流量预测提供了一种新的思路.

• 单位
  中国民航大学