基于RBM-GASA-BPNN 的潜在高价值旅客预测

来源：交通运输系统工程与信息杂志2019年第4期北京时间：

作者：徐涛，刘泽君，卢敏

单位：1. 中国民航大学计算机科学与技术学院，天津 300300；2. 中国民航信息技术科研基地，天津 300300； 3. 民航旅客服务智能化应用技术重点实验室，北京 101318

摘要：针对用BP神经网络(Back Propagation Neural Network, BPNN)进行潜在高价值旅客预测时出现的特征表达能力弱、稳定性差、易陷入局部极值的不足，提出一种新颖的基于 RBM-GASA-BPNN的潜在高价值旅客预测方法.该方法首先通过聚类算法划分旅客类别，设置类别标签；然后利用受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)提取旅客行为特征并确定最优BPNN 初始权值和偏置的寻优范围，又利用遗传模拟退火算法(Genetic Algorithm-Simulate Anneal, GASA)对BPNN参数进行精调，确定了最优的BPNN初始权值和偏置；最后，利用优化后的BPNN对旅客进行分类预测.实验结果表明，本文提出的方法克服了基于BPNN的分类预测方法的缺陷，具有更高的分类预测准确率和潜在高价值旅客预测能力.

关键词：航空运输,价值类别预测,预测模型,潜在高价值旅客,RBM,GASA,BPNN

基金资助：国家自然科学基金/National Natural Science Foundation of China(61502499)；中国民航大学科研基金/The Scientific Research Foundation from Civil Aviation University of China (2013QD18X)；民航旅客服务智能化应用技术重点实验室项目/ Key Laboratory of Intelligent Passenger Service of Civil Aviation,