基于DBN-SVM的航班延误内在模式分析

摘要：

空中交通系统作为典型复杂系统,其非线性聚合的动力学特征给延误预测带来挑战,使延误预测问题保持着开放性.对于航班延误这类考虑多因素的问题,研究采用深度置信网络支持向量机(DBN-SVM)回归方法建立航班延误预测模型,方法用来挖掘航班延误的内在模式,将支持向量回归嵌入到开发的模型中,使其能够在提出的预测体系结构中执行有监督的微调,并将交通管理措施(TMI)中一些关键影响因素,作为高斯伯努利(GBRBM)的隐藏层,作为模型的下一个可见层,将TMI关键因素添加至模型中,有助于减少整体延迟.对于测试集的不平衡高维数据集,研究将采用准确性,敏感性来评估因变量和解释变量之间的关系,最后数据表明DBN-SVM模型的延误预测准确度达到89.39％,可为流量管理自动化计算提供一定理论依据.

关键词：空中交通管理、航班延误预测、深度置信网络支持向量机、数据挖掘

所属期刊栏目：52

分类号：V355(航空港（站）、机场及其技术管理)

资助基金：民航局安全能力建设项目14002600100015J013

在线出版日期：2022-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：36-40