一种基于CC-MIDNN的飞机到港时间预测方法技术

本发明专利技术公开了一种基于CC

【技术实现步骤摘要】
一种基于CC
‑
MIDNN的飞机到港时间预测方法


[0001]本专利技术属于航班到达时间预测
，具体涉及一种基于CC
‑
MIDNN的飞机到港时间预测方法。

技术介绍

[0002]航空运输业蓬勃发展，飞行流量大幅增加，如今正面临着日益严重的空中交通拥挤问题，航班延误率的逐年升高，给航空公司和旅客造成了极大的经济损失。欧美国家通过航班排序与跑道分配策略缓解延误，其中航班预计到达时间(ETA)的估计扮演重要角色，是协作决策(CDM)的一个关键组成部分。航班延误会造成航空公司的市场损失。准确的预计到达时间使航空公司更容易协调地面行动，减少时间和精力的浪费。还将有助于提高用于序列优化的决策支持工具(如到达管理器AMAN)的性能，并将为空中交通管制员提供有价值的态势感知。
[0003]飞机到港时间预测方法主要分为两种。传统预测方法严重依赖于飞机性能参数或物理轨迹，计算出飞行轨迹，然后预估完成预测轨迹所需的时间。另一种是利用历史数据和经验，综合考虑环境因素和机场情况，通过算法拟合多种特征与到达时间之间的关系，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CC
‑
MIDNN的飞机到港时间预测方法，其特征在于，包括以下步骤：获取飞机的航班数据；对航班数据进行预处理，得到航班数据的向量矩阵；基于聚类集群的模块化集成深度神经网络CC
‑
MIDNN构建飞机到港时间的预测模型；将航班数据的向量矩阵作为预测模型的输入，输出预测值；根据预测值对飞机到港的时间进行预测；其中，所述将航班数据的向量矩阵作为预测模型的输入，输出预测值，包括：将航班数据的向量矩阵输入预测模型中；利用聚类分析方法将输入的向量矩阵分解为多个子矩阵；将每个子矩阵一一对应分配到CC
‑
MIDNN的各个子网络中进行学习，所述子网络通过基于贝叶斯优化的DNN神经网络进行构建；将各个子网络中每一个个体网络的输出结果进行集成，输出集成后的预测结果。2.根据权利要求1所述的一种基于CC
‑
MIDNN的飞机到港时间的预测方法，其特征在于，所述航班数据包括浮点数型数据和编码类型数据，所述浮点数型数据包括起降时间和风速，所述编码类型数据包括飞机型号和云覆盖。3.根据权利要求2所述的一种基于CC
‑
MIDNN的飞机到港时间的预测方法，其特征在于，所述对航班数据进行预处理通过对航班数据中的编码类型数据进一步编码，处理为浮点数类型数据。4.根据权利要求1所述的一种基于CC
‑
MIDNN的飞机到港时间的预测方法，其特征在于，所述预测模型包括输入层、集群划分层、子网络层和集成层。5.根据权利要求4所述的一种基于CC
‑
MIDNN的飞机到港时间的预测方法，其特征在于，所述集群划分层负责将复杂或庞大的任务细分化，并分配到相应的模块当中。6.根据权利要求4所述的一种基于CC
‑
MIDNN的飞机到港时间的预测方法，其特征在于，所述子网络层由多个并行工作的个体网络组成，其子网络数量由聚类结果确定。7.根据权利要求1所述的一种基于CC
‑
MIDNN的飞机到港时间的预测方法，其特征在于，所述利用聚类分析方法将输入的向量矩阵X分解为k个子矩阵，其步骤具体包括：预设最大集群数量K，初始化聚类集群数量k...

【专利技术属性】
技术研发人员：李坤鹏，赵慧敏，李伟含，邓武，鲁艳蓉，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：