丁建立，孙 玥

（中国民航大学计算机科学与技术学院，天津 300300）

由于恶劣天气、空域限制等诸多因素，航班延误率居高不下。据民航局发布《2019年民航行业发展统计公报》所示，中国客运航空公司的全年平均正常航班率为81.65 %，有近20%的航班发生了延误现象。航班延误的频繁发生，不仅会影响机场以及管制部门的正常运行，额外增加航空公司的运营成本，造成公共运输服务资源的浪费，还会影响旅客的出行体验。在发生大面积延误时，大量滞留在机场的旅客很可能会引发混乱与纠纷，甚至与工作人员发生冲突，危害社会秩序与安全。因此，对航班的延误情况提前进行预测，相关负责人员可以根据预测不同的延误程度，提前进行有序的调度与合理的资源分配，防止因延误的累积性造成恶性循环，旅客也可以对延误情况有一定的心理准备，及时对自己的行程安排进行调整，尽可能地减少航班延误带来的不利影响。

在航班延误预测的相关工作中，较为传统的预测方法主要包括回归分析、贝叶斯网络以及支持向量机等。Klein等［1］通过天气影响交通指数（Weather impact traffic index，WITI）建立了一个机场延误预测的多元回归模型，对全年对流和非对流天气下航班延误的预测性能进行比较；文献［2］基于贝叶斯网络方法，通过建立预测阶段和可靠性阶段两个步骤，提出了一种预测和评估机场到达系统运行状态的方法，可以得出对机场性能有影响的因素之间的相互依赖关系；……