基于时空序列的Conv-LSTM航班延误预测模型

摘要：

精准的航班延误预测结果可以为大面积航班延误的预防提供巨大的参考价值.航班延误预测是在特定空间下做时间序列预测,然而目前已有预测方法多为两种或多种算法的结合,存在算法间的融合问题.针对上述问题,提出了一种综合考虑时空序列的卷积长短时记忆(Conv-LSTM)网络航班延误预测模型.所提模型在长短时记忆(LSTM)网络提取时间特征的基础上,将网络的输入和权重矩阵进行卷积来提取空间特征,从而充分利用数据集包含的时间和空间信息.实验结果表明,与LSTM、仅考虑空间信息的卷积神经网络(CNN)模型相比,Conv-LSTM模型的准确率分别提高了0.65个百分点和2.36个百分点.由此可见,同时考虑时空特性可以在航班延误问题中获得更精确的预测结果.此外,基于所提模型设计并实现了基于浏览器/服务器(B/S)架构的航班延误分析系统,并且该系统也可以应用于空中交通管理局流量控制中心.

关键词：航班延误预测、时空序列、深度学习、卷积长短时记忆网络、气象信息、航班信息

所属期刊栏目：42

分类号：TP183;TP391.9(自动化基础理论)

资助基金：国家自然科学基金;天津市自然科学基金资助项目

在线出版日期：2022-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：3275-3282