【技术实现步骤摘要】
本专利技术涉及计算机技术应用领域，特别是涉及一种航班延误预测模型训练方法方法、电子设备和存储介质。
技术介绍
1、航班延误一直是民航运输领域的热点难题,严重影响航空公司运营效率和乘客出行体验。当前，主要通过构建航班延误预测模型来对航班延误进行预测。当前的预测模型大多是基于多个机场和航空公司的数据进行训练。然而，由于机场和航空公司包含极其敏感且有商业价值的数据，越来越多单位开始重视数据的所有权和使用权，减少数据在各单位间的流通，这样，会导致出现“数据孤岛”现象，使得模型预测精度不够高。因此，如何提高航班延误预测模型的精度是值得探讨的课题。
技术实现思路
1、针对上述技术问题，本专利技术采用的技术方案为：
2、本专利技术实施例提供一种航班延误预测模型训练方法，所述方法的应用场景包括服务器端以及与所述服务器端通信连接的n个客户端；所述方法包括如下步骤：
3、s100，每个客户端利用对应的本地数据集对对应的当前本地模型进行训练，得到对应的本地模型参数并将得到的本地模型参数加...
【技术保护点】
1.一种航班延误预测模型训练方法，其特征在于，所述方法的应用场景包括服务器端以及与所述服务器端通信连接的n个客户端；所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，每个客户端利用CKKS同态加密算法对对应的本地模型参数进行加密。
3.根据权利要求1所述的方法，其特征在于，所述本地模型由两个门控循环单元神经网络构成。
4.根据权利要求3所述的方法，其特征在于，每个门控循环单元神经网络包括第一隐藏层和第二隐藏层，其中，第一隐藏层包括256个节点，第二隐藏层包括128个节点。
5.根据权利要求1所述的方法，其...
【技术特征摘要】
1.一种航班延误预测模型训练方法，其特征在于，所述方法的应用场景包括服务器端以及与所述服务器端通信连接的n个客户端；所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，每个客户端利用ckks同态加密算法对对应的本地模型参数进行加密。
3.根据权利要求1所述的方法，其特征在于，所述本地模型由两个门控循环单元神经网络构成。
4.根据权利要求3所述的方法，其特征在于，每个门控循环单元神经网络包括第一隐藏层和第二隐藏层，其中，第一隐藏层包括256个节点，第二隐藏层包括128个节点。
5.根据权利要求1所述的方法，其特征在于，所述航班运行数据至少包括：航班号、航班状态、航空公司、起飞机场id、到达机场id、计划起飞时间、计划降落时间、实际起飞时间、实际降落时间、飞机型号、飞机注册号、飞行距离、飞行时长、飞行日期和延误状态；所述气象数据至少包括：监测时间、机场id、气温、风速、阵风风速、能见度、云层状态和天气状态。
6.根据权利要求5所述的方法，其...
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。