随着我国信息技术的持续高速发展,宽带网络和高速移动互联网得到快速普及应用,人们越来越倾向于在线选择旅游产品。我国的旅游业借此势头也发展迅猛,为用户提供酒店在搜索时间和未来入住时间之间的一个价格预测势必会提升用户体验。由于酒店价格的动态性,准确预测酒店未来价格是一个具有挑战性的任务。基于酒店的内在特征与历史价格数据,本文通过构建酒店价格特征集和相应的预测模型展开了酒店价格预测研究。本文的研究内容主要包括以下三个方面:1)我们抓取最为热门的18个城市的酒店时序信息,包括酒店预定的动态价格信息和静态信息(如开业时间、位置信息、酒店设施信息等)。通过获取到的大量数据,我们分析了不同类型的酒店特征以及酒店的价格波动规律。2)通过分析对酒店价格影响的特征以构建特征集,使用经典的机器学习算法分别进行酒店价格预测。仿真实验验证了所使用特征的有效性和算法的预测效果。3)基于集成学习算法,我们进一步提出一个分层的集成学习模型(Hierarchical Ensemble Learning Model,HELM)来对酒店价格进行预测,并通过实验验证了所提算法的有效性。