张明远 ，陈莘文 ，孙立君 ，杜文博 ,*，曹先彬 ,*

© 2021 THE AUTHORS. Published by Elsevier LTD on behalf of Chinese Academy of Engineering and Higher Education Press Limited Company This is an open access article under the CC BY-NC-ND license(http://creativecommons.org/licenses/by-nc-nd/4.0/).

1. 引言

随着世界民用航空业的飞速发展，严重的航班延误仍然是一个重要问题。航班延误不仅使乘客不愿考虑航空交通或再次选择同一家航空公司[1-4]，而且迫使航空公司承担飞机维护和机队利用率不足的额外费用[5]。此外，航班延误导致燃油消耗和二氧化碳排放量增加，对环境造成了极大危害[6,7]。除了上面列出的直接影响外，航班延误对整个社会经济发展都具有负面影响[8]。

许多因素使得此问题变得更复杂和棘手，这些因素通常为异常天气[9]和技术原因[10]，其中技术原因主要包括空中交通管制[11]、设施容量不足或者调度不当[12]、运行程序更改[13]和缓冲时间不足[14]等。因此，挖掘潜在的航班延误模式并设计适当的策略非常困难[15]。最近，基于历史观测数据的分析方法已被证明不受上述约束影响并适用于包含隐藏信息的动态数据[16]。因此，促进系统认知和决策的方法是充分利用历史数据[17]。例如，当遇到恶劣天气时，可以查询天气条件相似的过去几天，并参考当日空中交通管制员采取的行动。近期的几项研究[18-23]致力于发现空中交通管理中的固定模式。Liu等[19]介绍了一种半监督学习算法，可以将相似的日期划分为不同的模式。第一步先量化每小时航空天气预报数值之间的距离（表示相似性），然后确定总距离较小的日期。他们应用此方法在纽瓦克自由国际机场（EWR）进行了两个案例研究，并证明了其有效性。……