基于WOA-BP神经网络的多趋势机场间OD需求预测

摘要

机场间的起始地-目的地（OD,origin-destination）需求预测对于航线分析和销售决策具有重要意义。基于中国2 143条机场间OD需求时间序列，提出结合鲸鱼优化算法（WOA,whale optimization algorithm）与反向传播（BP,back propagation）神经网络的WOA-BP神经网络模型。通过趋势聚类与步长优化，WOA-BP模型在统一训练流程下自动适应不同序列趋势形态。实验结果表明，与传统BP神经网络模型相比，WOA-BP神经网络模型的平均绝对百分比误差降低8.0%，相关系数提高2.1%，均方误差降低82.9%。在多个典型机场间OD需求预测中，模型表现出良好的鲁棒性和泛化能力，可显著提高航空公司销售决策过程中的预测效率，具有良好的应用价值。

关键词

时间序列聚类 / OD需求预测 / WOA-BP神经网络 / 鲸鱼优化算法

基金资助

国家自然科学基金项目（52372298）