买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安航空学院申请的专利基于人工智能的民航旅客需求预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120387560B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510889570.9，技术领域涉及：G06Q10/04；该发明授权基于人工智能的民航旅客需求预测方法及系统是由李建娜;孙晓科;张爽;邹润原设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本基于人工智能的民航旅客需求预测方法及系统在说明书摘要公布了：本发明公开了基于人工智能的民航旅客需求预测方法及系统，方法包括数据采集、异常需求剔除、民航需求侧补样、建立民航旅客需求预测模型和民航旅客需求预测。本发明属于民航需求预测领域，具体是指基于人工智能的民航旅客需求预测方法及系统，本方案引入时序加权距离，保证淡季、低需求特征的样本不被误剔除；基于航线相似度加权，生成可信邻居，有针对性地补充稀少的低需求样本；引入特征重要性评分，计算民航样本的特征敏感度评分，从不同角度评估特征‑时间点对需求预测的影响；通过惩罚机制引导对节假日高峰、极端天气场景的适应能力；基于引入节假日关联权重增强调度策略，动态提升惩罚权重增长速率；进而提高民航旅客需求预测的可靠性。

本发明授权基于人工智能的民航旅客需求预测方法及系统在权利要求书中公布了：1.基于人工智能的民航旅客需求预测方法，其特征在于：该方法包括以下步骤： 步骤S1：数据采集；采集历史民航旅客需求数据，构建初始民航样本集； 步骤S2：异常需求剔除；针对初始民航样本集中的异常需求记录进行剔除； 步骤S3：民航需求侧补样；对剔除异常需求后的民航样本，基于航线特征相似度选取邻居生成新民航样本，得到最终民航样本集； 步骤S4：建立民航旅客需求预测模型；基于最终民航样本集，以LSTM为基础，引入特征重要性评分，结合节假日关联权重增强调度策略构建民航旅客需求预测模型； 步骤S5：民航旅客需求预测；基于民航旅客需求预测模型对实时采集民航旅客需求数据进行民航旅客需求预测； 在步骤S4中，所述建立民航旅客需求预测模型具体包括以下内容： 步骤S41：模型架构设计；以LSTM为基础，将最终民航样本集拆分为三类输入：静态特征、历史时序特征和未来外生指示序列；输出原始特征向量，准备用于后续编码；由静态特征编码器接收静态特征，输出定长静态上下文向量；编码器由多层LSTM接收每步拼接了静态上下文向量的历史时序向量，长度为T，输出隐状态序列；由Attention机制接收隐状态序列与解码器上一步隐状态，输出上下文向量；解码器由多层LSTM接收上一步预测值、静态上下文、当前上下文和未来外生指示，输出解码器隐状态；输出层接收解码器隐状态，输出第k步客流量预测结果；基础损失采用均方误差损失函数； 步骤S42：损失引入特征重要性评分，从不同角度评估特征-时间点对预测的影响，计算民航样本的特征敏感度评分，使用动态调整积分步长，根据特征的变化情况计算特征敏感度评分，将积分步长作为一个动态变量，根据特征的变化率进行调整，；特征敏感度评分表示为：；其中，是第i个民航样本第k维度在时间点t的实际特征值；是第i个民航样本第k维度在时间点t的特征变化率；是特征均值；是第k维度在时间点t的值；是客流量预测结果；x是民航样本输入特征向量，是特征向量均值；是积分变量；计算民航样本的交互影响值，用于捕捉节假日、天气的离散交互效应，表示为：；其中，F是所有特征-时间点的总集；S是从总集F去掉特征-时间点k,t之外的子集；是接收子集作为输入的客流量预测结果； 步骤S43：两阶段训练策略； 步骤S44：节假日关联权重增强调度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安航空学院，其通讯地址为：710082 陕西省西安市西二环259号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。