APP下载

基于分类回归决策树算法的航班延误预测模型

2022-08-03张文杰陈林烽李泽南

中国民航大学学报 2022年3期
关键词:特征模型

王 辉,张文杰,刘 杰,陈林烽,李泽南

(1.中国民航大学航空工程学院,天津 300300;2.天津(滨海)人工智能军民融合创新中心研究一部,天津 300300)

由空中交通流量增加和机场容量限制等因素导致的航班延误问题日益严重。对航班延误实现精准预测可为相关决策部门提供参考,以便及时治理可控延误,降低航空公司损失,对民航的高效安全运营具有实际意义[1]。目前,国内外已有较多学者对航班延误预测问题进行研究,曹悦琪等[2]使用Logistic 模型对航班延误数量和累积延误时间进行预测;王语桐等[3]使用支持向量回归和线性回归方法对上海浦东国际机场某月进港航班数据进行回归预测;孟会芳等[4]基于K-means 聚类技术对航班延误模式进行时变分析;Kim 等[5]使用循环神经网络(RNN,recurrent neural network)中的长短期记忆网络(LSTM,long short term memory network)对单个机场的起飞和到达航班延误进行有效预测;文献[6-7]基于单变量(气象因子)建立概率统计算法模型,得出航班延误的预测值并与实际值对比,进而实现了航班延误预测;张静等[8]基于模糊线性回归模型得出航班延误的预测值,对航班延误的情况进行评估。上述研究均只对单一机场起降信息进行建模,未考虑机场间延误的相互影响,对机场间与航班延误间的关系研究较少,且以上模型的数据集影响因子较少,数据集的维度不够。

综上,基于国内机场收集了大量数据并将随机森林(random forest)与分类回归决策树(CART,classification and regression tree)算法相结合构建模型,该预测模型的核心是随机森林模型。……

登录APP查看全文

猜你喜欢

特征模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
线性代数的应用特征
一个相似模型的应用