王春政，胡明华，杨磊,*，赵征，单晶

1.南京航空航天大学 民航学院，南京 211106 2.国家空管飞行流量管理技术重点实验室，南京 211106

近年来，空中交通延误频发，给全球经济带来巨额损失，在增加能源消耗的同时亦加重了环境负担，成为航空业亟待解决的热点问题。解决这一问题的关键在于如何有效挖掘机场网络延误模式，准确推演延误时空演化趋势，进而为各利益相关方灵活动态配置资源，实施具有针对性、定制化空中流量管理策略，改善复杂条件下系统运行性能，减少延误损失等提供决策依据。然而，空中交通系统可视为由多要素和多主体构成的开放复杂系统，在系统内部，以及系统与外界环境交互过程中所产生的非线性聚合特征，为延误精准预测带来了巨大挑战。

数据挖掘方法被广泛应用至空中交通延误预测中[1]。其中，李俊生和丁建立等通过专家知识确定了延误传播影响因素，然后应用贝叶斯网络构建了航班延误传播模型[2]。徐涛等基于增量式排列支持向量机算法对机场航班延误预警进行预测[3]。罗赟骞等结合预测航班的下游机场的历史运行数据与预测日的上游机场的航班运行数据，利用支持向量机回归方法构建航班延误预测模型，用于预测下游航班的到港延误[4]。除航班起降机场因素外，罗谦等重点考虑了航空信息网络内其他机场因素的影响，采用支持向量机回归方法方法建立了航班延误预测模型[5]。陈海燕等将上游延误作为当前延误状态，将其它不确定因素引起的延误作为随机延误，建立了航班延误状态空间模型，为构建动态数据驱动的航班延误预测系统提供了模型基础[6]。……