基于时效信息和深度学习的离港航班延误预测方法技术

本发明专利技术公开了基于时效信息和深度学习的离港航班延误预测方法，涉及计算机预测技术领域，利用深度神经网络模型，结合时效航班信息数据和时效气象数据，采用离港航班延误预测模型对航班延误情况进行预测，利用真实数据开展数值试验，结果表明所构建的延误预测模型可以在较短时间内获得较高的航班延误预测精度，并且具有较大的航班延误预测时效；同时随着延误时间阈值的增加，预测精度不断提高，损失值不断降低；尤其以60分钟为阈值时，模型的预测精度可以达到91.26％，说明了本发明专利技术方法的有效性。

Prediction method of departure flight delay based on time effective information and deep learning

【技术实现步骤摘要】
基于时效信息和深度学习的离港航班延误预测方法
本专利技术涉及计算机预测
，特别是涉及基于时效信息和深度学习的离港航班延误预测方法。
技术介绍
由于天气、流量和旅客等原因，经常造成部分航班延误或取消，在航班网络的时间和空间关联影响之下，很容易形成大量航班延误。大量航班延误往往造成旅客与机场、航空公司之间的矛盾，已经成为一种潜在影响公共社会安全问题。因此较早地预测航班延误可以给航空公司、机场及相关单位提前预警，为制定延缓航班延误的措施赢得宝贵时间，从而减少航班延误造成的经济损失，提升旅客满意度；因此航班延误预测对民航业有着重要的实际意义。大量航空工作者从不同角度开展了航班延误预测问题的研究。目前的研究大多数利用航班信息数据和气象等数据来预测航班延误，没有考虑输入数据的时效对航班延误预测时效的影响，导致预测结果的时效性不高。
技术实现思路
本专利技术实施例提供了基于时效信息和深度学习的离港航班延误预测方法，可以解决现有技术中存在的问题。本专利技术提供了基于时效信息和深度学习的离港航班延误预测方法，该方法包括以本文档来自技高网...

【技术保护点】
1.基于时效信息和深度学习的离港航班延误预测方法，其特征在于，该方法包括以下步骤：/n获取航班信息数据和气象信息数据；/n根据所述航班信息数据和气象信息数据，将离港航班延误预测问题转换为g(X,W)的形式，其中X表示所述航班信息数据，W表示气象信息数据，当g(X,W)＝1时表示航班发生延误，当g(X,W)＝0时表示航班未发生延误，利用深度学习模型寻找g(X,W)形式中航班信息数据和气象信息数据之间的关系，进而建立基于深度学习的离港航班延误预测模型；/n采用基于深度学习的离港航班延误预测模型对航班延误进行预测。/n

【技术特征摘要】
1.基于时效信息和深度学习的离港航班延误预测方法，其特征在于，该方法包括以下步骤：
获取航班信息数据和气象信息数据；
根据所述航班信息数据和气象信息数据，将离港航班延误预测问题转换为g(X,W)的形式，其中X表示所述航班信息数据，W表示气象信息数据，当g(X,W)＝1时表示航班发生延误，当g(X,W)＝0时表示航班未发生延误，利用深度学习模型寻找g(X,W)形式中航班信息数据和气象信息数据之间的关系，进而建立基于深度学习的离港航班延误预测模型；
采用基于深度学习的离港航班延误预测模型对航班延误进行预测。


2.如权利要求1所述的基于时效信息和深度学习的离港航班延误预测方法，其特征在于，获取所述航班信息数据和气象信息数据后，还进行预处理，预处理包括以下步骤：
除选取的航班信息数据和气象信息数据外，将获取的原始数据中的其他数据删除；
将航班信息数据中的取消航班数据...

【专利技术属性】
技术研发人员：徐海文，付振宇，傅强，史家财，
申请(专利权)人：中国民用航空飞行学院，
类型：发明
国别省市：四川;51