一种基于神经网络的预测机场近机位数量的方法和系统技术方案

本发明专利技术公开了一种基于神经网络的预测机场近机位数量的方法和系统，其中，方法包括以下步骤：步骤S100，对原始的机场属性数据进行预处理；步骤S200，对步骤S100中预处理之后的机场属性数据进行特征选择；步骤S300，将步骤S200中特征选择后的机场属性数据输入至神经网络模型，并对神经网络模型进行模型训练和测试，得到成型的神经网络模型；步骤S400，将待预测近机位数量的机场属性数据输入至成型的神经网路模型，得到预测的机场近机位数量。通过神经网络模型的构建，将已稳定运行的机场的机场属性数据作为原始的机场属性数据，对构建的神经网络模型进行训练和测试，得到机场近机位数量与其他机场属性数据之间的关系，来预测机场近机位数量，提高预测的准确度。提高预测的准确度。提高预测的准确度。

【技术实现步骤摘要】
一种基于神经网络的预测机场近机位数量的方法和系统


[0001]本专利技术涉及机场建筑领域，特别涉及一种基于神经网络的预测机场近机位数量的方法。

技术介绍

[0002]机场近机位数量是运输机场的重要生产指标，是机场规划建设的重要前提和基础，近机位数量过多，很容易降低机场近机位资源的使用效率，造成资源的浪费，而当近机位数量过少时，也会出现保障能力不足的问题，甚至会降低机场的服务水平，因此，近机位数量的预测既可能影响机场其他资源的配置，也可能影响机场运行成本和服务水平的高低。
[0003]目前已知的机场近机位数量的预测方法一般分为两类，一类是线性求解方法，即根据机场本身的历史数据，挖掘有用的信息，如线性回归模型、灰色预测模型等，另一类是非线性求解方法，能对数据输入和输出之间的非线性关系进行拟合。但由于影响机场近机位数量的因素有很多，采用单一线性或非线性模型也难以全面、准确地预测机场近机位地数量，这就使得机场近机位数量预测的准确度低下。因此，需要一种能准确预测机场近机位数量的方法，以解决现有技术中存在的这一问题。

技术实现思路

[0004]本专利技术的目的在于针对现有技术中机场近机位数量预测准确度低下的缺陷，而提供一种机场近机位数量预测准确度较高的基于神经网络的预测机场近机位数量的方法和系统。
[0005]本专利技术的目的是这样实现的：一种基于神经网络的预测机场近机位数量的方法，其特征在于，包括以下步骤：
[0006]步骤S100，对原始的机场属性数据进行预处理；
[0007]步骤S200，对步骤S100中预处理之后的机场属性数据进行特征选择；
[0008]步骤S300，将步骤S200中特征选择后的机场属性数据输入至神经网络模型，并对所述神经网络模型进行模型训练和测试，得到成型的神经网络模型；
[0009]步骤S400，将待预测机场近机位数量的机场属性数据输入至所述成型的神经网路模型，得到预测的机场近机位数量。
[0010]优选的，所述原始的机场属性数据的属性包括年旅客吞吐量，其单位为万/人次；高峰小时进港旅客量，其单位为人次/小时；高峰小时出港旅客量，其单位为人次/小时；机场建筑面积，其单位为万/平方米；机场平面形状；国内/国际航班比例；机场靠桥率以及机场近机位数量。
[0011]优选的，所述步骤S100包括数据清理和数据变换，所述原始的机场属性数据经过数据清理之后，去除其中的噪声数据和无关数据，得到清理后的机场属性数据，清理后的机场属性数据经数据变换处理，以完成所述原始的机场属性数据的预处理。
[0012]优选的，所述数据变换包括将所述清理后的机场属性数据按照特定的比例进行缩放，使之落入在一特定区域，再对所述特定区域内的机场属性数据进行离散化处理，将所述特定区域内连续的所述机场属性数据转换成所述算法合规输入的机场属性数据。
[0013]优选的，所述步骤S200包括以下子步骤：
[0014]步骤S201，根据方差选择法，计算出经步骤S100预处理之后的机场属性数据的中各个特征的方差，然后根据选定的阈值，选择所述方差大于所述阈值的特征作为初步筛选的标准，获得初步筛选后的机场属性数据；
[0015]步骤S202，使用相关系数法和卡方检测对所述初步筛选后的机场属性数据进行处理，以完成对步骤S100中预处理之后的机场属性数据的特征选择。
[0016]优选的，步骤S300中，将选择后的机场属性数据分为测试集和训练集，将所述训练集中的机场属性数据输入至神经网络模型，对所述神经网络模型进行训练和修改，通过测试集对训练和修改后的神经网络模型进行测试，当测试结果与所述测试集中的近机位数量相等时，相对应的神经网络模型为成型的神经网络模型。
[0017]优选的，所述神经网络模型为BP神经网络模型，所述训练集中的近机位数量作为因变量，所述训练集中的其它机场属性数据作为自变量，将所述自变量作为输入层，所述因变量作为输出层，并在所述输入层和所述输出层之间添加若干中间层神经元，所述BP神经网络模型的计算包括正向计算过程和反向计算过程，在所述正向计算的过程中，从所述输入层经若干中间层逐层处理，并转向输出层，每一层神经元的状态只影响与之相邻的下一层神经元的状态；若正向计算输出的结果并不是预期的输出结果，则转向反向计算过程，所述反向计算过程是根据正向计算输出结果的误差信号沿原有的连接通路返回，通过修改各层神经元的权值，降低误差信号，直至输出与机场近机位数量一致的结果，完成训练集对BP神经网络模型的训练和修改。
[0018]一种基于神经网络的预测机场近机位数量的系统，包括：
[0019]一数据预处理模块，其对原始的机场属性数据进行预处理；
[0020]一与所述数据预处理模块连接的特征选择模块，其对预处理之后的机场属性数据进行特征选择；
[0021]一与所述特征选择模块连接的神经网络模型训练和测试模块，其根据特征选择后的机场属性数据构建神经网络模型，并对所述神经网络模型进行训练和测试，得到成型的神经网络模型；以及
[0022]一与所述神经网络模型训练和测试模块连接的机场近机位数量预测模块，其将待预测机场的机场属性数据输入至成型的神经网络模型，得到预测的机场近机位数量。
[0023]优选的，所述特征选择模块包括：
[0024]一数据发散性分析模块，其根据方差选择法对所述数据预处理模块输出的机场属性数据进行初步筛选，得到初步筛选后的机场属性数据；以及
[0025]一与所述数据发散性分析模块连接的相关性分析模块，其对所述初步筛选后的机场属性模块根据相关系数法和卡方检测法再次筛选，得到特征选择后的机场属性数据。
[0026]基于上述技术方案，本专利技术具有以下特点：
[0027]通过神经网络模型的构建，对已知机场属性数据中的近机位数量和其他数据之间的关系进行较为准确的训练，得到较为准确的关系，来提高机场近机位预测的准确度。
附图说明
[0028]图1是本专利技术基于神经网络预测机场近机位数量的方法的流程图；
[0029]图2是本专利技术基于神经网络预测机场近机位数量的系统的结构示意图；；
[0030]图3是本专利技术基于神经网络预测机场近机位数量的方法中，训练集中的机场属性数据进行神经网络模型训练时，训练误差变化曲线。
具体实施方式
[0031]下面将结合附图对本专利技术作进一步说明。
[0032]本专利技术的目的是提供一种基于神经网络预测机场近机位数量的系统和方法，以解决现有技术机场近机位数量预测准确度低下的问题。为进一步公开本专利技术，现结合说明书附图，对本专利技术做进一步说明。
[0033]参照附图1，本专利技术公开的一种基于神经网络的预测机场近机位数量的方法，包括以下步骤：步骤S100，对原始的机场数据进行预处理；步骤S200，对经过预处理后的机场属性数据进行特征选择；步骤S300，将特征选择后的机场属性数据输入至神经网络模型，并对神经网络模型进行模型训练和测试，得到成型的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的预测机场近机位数量的方法，其特征在于，包括以下步骤：步骤S100，对原始的机场属性数据进行预处理；步骤S200，对所述步骤S100中预处理之后的机场属性数据进行特征选择；步骤S300，将所述步骤S200中特征选择后的机场属性数据输入至神经网络模型，并对所述神经网络模型进行模型训练和测试，得到成型的神经网络模型；步骤S400，将待预测机场近机位数量的机场属性数据输入至所述成型的神经网路模型，得到预测的机场近机位数量。2.根据权利要求1所述的基于神经网络的预测机场近机位数量的方法，其特征在于，所述原始的机场属性数据的属性包括年旅客吞吐量，其单位为万/人次；高峰小时进港旅客量，其单位为人次/小时；高峰小时出港旅客量，其单位为人次/小时；机场建筑面积，其单位为万/平方米；机场平面形状；国内/国际航班比例；机场靠桥率以及机场近机位数量。3.根据权利要求1所述的基于神经网络的预测机场近机位数量的方法，其特征在于，所述步骤S100包括数据清理和数据变换，所述原始的机场属性数据经过数据清理之后，去除其中的噪声数据和无关数据，得到清理后的机场属性数据，清理后的机场属性数据经数据变换处理，以完成所述原始的机场属性数据的预处理。4.根据权利要求3所述的基于神经网络的预测机场近机位数量的方法，其特征在于，所述数据变换包括将所述清理后的机场属性数据按照特定的比例进行缩放，使之落入在一特定区域，再对所述特定区域内的机场属性数据进行离散化处理，将所述特定区域内连续的所述机场属性数据转换成所述算法合规输入的机场属性数据。5.根据权利要求1所述的基于神经网络的预测机场近机位数量的方法，其特征在于，所述步骤S200包括以下子步骤：步骤S201，根据方差选择法，计算出经步骤S100预处理之后的机场属性数据的中各个特征的方差，然后根据选定的阈值，选择所述方差大于所述阈值的特征作为初步筛选的标准，获得初步筛选后的机场属性数据；步骤S202，使用相关系数法和卡方检测对所述初步筛选后的机场属性数据进行处理，以完成对步骤S100中预处理之后的机场属性数据的特征选择。6.根据权利要求1所述的基于神经网络的预测机场近机位数量的方法，其特征在于，步骤S300中，将选择后的机...

【专利技术属性】
技术研发人员：王彦忠，徐荣梅，贾灵艳，廖雪峰，武星，李逸松，
申请(专利权)人：上海建科工程咨询有限公司，
类型：发明
国别省市：