对太空旅游需求的全面预测对于企业优化这个新兴行业的策略和客户体验至关重要。传统方法难以捕获影响个人前往太空的决定的复杂方面。在本文中,我们提出了一个可解释且值得信赖的人工智能(AI)框架,以解决通过遵循国家标准和技术指南来预测太空旅游业的挑战。我们开发了一个新型的学习网络,称为SpaceNet,能够在数据中学习广泛的依赖性,并允许我们分析各种因素之间的关系,例如年龄,收入和风险承受能力。在特殊情况下,研究了居住在美国的人们的太空旅行需求,我们将需求构成四种旅行类型:无旅行,月球旅行,轨道和轨道旅行。为此,我们在许多年龄不同的州和城市中收集了1860个数据点,然后对数据进行了实验。因此,我们的空间模型在曲线下达到了一个相对的接收器操作特征区域或ROC-AUC为0.82±0.088,这表明该模型的分类表明了良好的性能。我们的调查表明,旅行价格,年龄,年收入,性别和死亡概率是决定一个人是否要旅行的重要特征。超出需求预测,我们使用可解释的AI来为个人的旅行类型决定提供解释,从而见解了引起太空旅行兴趣的因素,这些因素
主要关键词