【技术实现步骤摘要】
一种基于XGBoost的航班延误原因预判方法
[0001]本专利技术涉及空中交通管理
，特别是涉及一种基于XGBoost的航班延误原因预判方法。
技术介绍
[0002]目前我国民用航空运输产业进入了飞速发展阶段，随着航班量飞跃式增长，在民航各单位总体保障资源有限的情况下，航班正常性面临着前所未有的挑战。中国民航通过积极挖掘潜力、加大技术投入等手段治理航班延误问题，使航班正常性有了明显的提升。但由于航班运行过程涉及空管、航司、机场多个主体，且整体运行流程复杂、环节多、外界扰动大，导致航班延误难以明确责任主体及预判航班延误原因，对航班正常性管理工作造成了很大的影响。准确预判航班延误原因对提升航班管理水平具有重要作用。
技术实现思路
[0003]本专利技术的目的在于克服现有技术的不足，提供一种基于XGBoost的航班延误原因预判方法。
[0004]本专利技术是通过以下技术方案实现的：
[0005]一种基于XGBoost的航班延误原因预判方法，包括以下步骤：
[0006]S1：采集航班运...
【技术保护点】
【技术特征摘要】
1.一种基于XGBoost的航班延误原因预判方法，其特征在于，包括以下步骤：S1：采集航班运行数据，航班运行数据包括飞行计划数据、流控数据和气象数据；S2：根据流控数据划分出航班延误原因类别，将划分的各类航班延误原因类别与航班的飞行计划数据和天气数据相关联，得到关联后的样本数据；S3：根据划分的航班延误原因类别，统计各类航班延误原因关联延误航班的数量，采用ADASYN算法对步骤S2得到的样本数据进行数据平衡处理，得到平衡后的样本数据；S4：构建基于XGBoost的航班延误原因预判模型，将步骤S3得到的平衡后的样本数据中的航班飞行计划的特征因素以及和航班相关的气象特征因素作为模型的输入特征变量，将航班延误原因类别作为模型预测输出的目标变量；并将步骤S3中平衡后的样本数据分为训练集和验证集，对航班延误原因预判模型进行训练和验证，得到训练好的航班延误原因预判模型；S5：将待预测的航班的飞行计划的特征因素以及和该航班相关的气象特征因素作为模型的输入，输入至步骤S4训练好的航班延误原因预判模型中，模型输出的目标变量则为航班延误原因类别。2.根据权利要求1所述的基于XGBoost的航班延误原因预判方法，其特征在于：步骤S1，飞行计划数据包括：航班号、注册号、机型、航班日期、起飞机场、降落机场、计划起飞时间、实际起飞时间、计划降落时间、实际降落时间；流控数据包括：航班号、注册号、流控原因、流控内容等信息；天气数据包括：观测时间、天气类型、能见度、云底高、风向、风速等信息，其中，天气类型包括雷暴、降雨、降雪和雾。3.根据权利要求1所述的基于XGBoost的航班延误原因预判方法，其特征在于：步骤S2，根据流控数据中流控原因和流控内容，划分出航班延误原因类别。4.根据权利要求1所述的基于XGBoost的航班延误原因预判方法，其特征在于：步骤S2，将航班延误原因分为天气原因、航空公司原因、空管原因、机场原因和其他原因五类。5.根据权利要求1所述的基于XGBoost的航班延误原因预判方法，其特征在于：步骤S2，根据航班号、注册号将航班的飞行计划数据信息和划分出的航班延误原因类别相关联，根据时间信息将航班的飞行计划数据和相应的天气数据相关联，进而实现航班延误原因类别与航班的飞行计划数据和天气数据相关联。6.根据权利要求1所述的基于XGBoost的航班延误原因预判方法，其特征在于：步骤S3包括以下步骤：S3.1：根据航班延误原因，统计各类航班延误原因关联延误航班的数量：各类航班延误原因关联延误航班的数量G计算公式如下：G＝(m
l
‑
m
s
)
×
β其中，G为各类航班延误原因关联延误航班的数量，m
l
为较多数量类别的数据数量，m
s
...
【专利技术属性】
技术研发人员：李印凤，王秋玲，尚然然，高志远，张浩，米雪玉，许亚男，阮昌，
申请(专利权)人：华北理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。