张启凡 王永忠 王圣堂 裴柯欣

（中国民用航空飞行学院空中交通管理学院 广汉 618300）

1 引言

受到管制、天气等因素的影响，航班延误的情况时有发生。由于造成航班延误有很多潜在且不确定的因素，所以目前还未有有效的方法可以避免航班的大面积延误。因此，对于航班延误时长的预测可以为管制放行的决策提供指导。国内外学者根据航班延误中的不确定因素，建立了诸多模型［1～7］并对其进行大量的预测研究。

研究表明航班延误中天气因素大约占到65%，本文基于前人的研究，主要基于气象数据并考虑包括气候、季节、交通需求在内的周期性因素对航班延误时长的影响［8］，通过对历史数据的分析，建立考虑周期性波动因素的神经网络模型，用于未来时间内航班延误时长的预测。

2 研究数据的采集与处理

2.1 METAR的解析与转换

本文所选取的气象数据采集于航空例行天气报告（METAR），报文来源于 INPE's BDM website。依据METAR报文中各气象要素的编码格式和气象电报术语对报文进行解析。

1）利用正则表达式按各气象要素的编码格式从METAR中提取：时间、地面风向、风速、云底高、云量、修正海压、温度、露点温度、能见度信息；

2）风向为“0～“360”，将报文中显示风向多变的数据标注为“720”；能见度显示“9999”或缺失均标注为“9999”。

2.2 航班运行数据的处理

本文根据巴西国家民航局（ANAC）提供的数据选取2018年巴西圣保罗瓜鲁柳斯国际机场的离港航班数据5560条。由于本文主考周期性因素以及气象因素对单航班延误时长的影响，因此选取航司ID、航班号、航班离港日期、航班离港时间，作为数据集的描述性变量特征；……