吴仁彪，李佳怡，屈景怡

(中国民航大学 天津市智能信号与图像处理重点实验室，天津 300300)(*通信作者电子邮箱qujingyicauc@163.com)

0 引言

随着航空业的迅速发展，航班延误问题日益严重。由航班延误引发的旅客与机场、航空公司之间的矛盾已经成为一种严重的社会问题，引起极大反响。航班延误预测可通过已知信息进行到港延误等级预测，使相关部门提前作好应对措施，提升旅客满意水平。同时，通过预测可提前知晓航班到达序列，可进一步改进航班调度和机位指派，对航班延误的治理具有重要意义[1-2]。

国内外相关学者针对航班延误预测问题已展开大量研究[3-6]，已有方法中多采用决策树、贝叶斯网络、神经网络等机器学习算法[7-10]。程华等[8]研究基于决策树方法的到港延误预测问题，通过实验发现使用C4.5决策树进行延误等级预测可得到80%的正确率；曹卫东等[9]考虑同一架飞机的连续航班情况，利用贝叶斯网络进行航班延误波及分析，可反映连续航班延误原因分布及波及分布；Khanmohammadi等[10]采用二进制编码航班特征后输入神经网络，在实现延误预测的同时可获得延误原因。以上模型较少考虑气象信息对航班延误的影响，而且传统机器学习算法仍是针对小数据集的信息获取和挖掘，处理能力有限。为使正确率进一步提高则需加入专家知识或通过聚类算法等方式扩展信息[11]，因此，有学者提出将大数据技术应用于航班延误预测[12-13]，可使模型自动进行特征提取，无需人为干预，并可以提升数据处理能力。……