【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密后发送给所述服务器端；所述本地数据集包括航班运行数据和对应的气象数据，所述本地模型由门控循环单元神经网络构成。
4、s200，服务器端对当前接收到的n个加密后的本地模型参数进行聚合处理，得到全局模型参数，如果当前的模型训练信息满足预设收敛条件，则向每个客户端发送指示停止模型训练的控制指令，执行s400，否则，将得到的全局模型参数发送给每个客户端，执行s300；所述模型训练信息至少包括
5、s300，响应于接收到服务器端发送的全局模型参数，每个客户端基于接收到的全局模型参数对当前的本地模型参数进行更新，得到更新后的本地模型作为当前本地模型，执行s100。
6、s400，每个客户端将对应的当前本地模型作为目标预测模型，并退出当前控制程序。
7、本专利技术实施例还提供一种电子设备，包括处理器和存储器；所述处理器通过调用所述存储器存储的程序或指令，用于执行前述方法的步骤。
8、本专利技术实施例还提供一种非瞬时性计算机可读存储介质，所述非瞬时性计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如前述方法的步骤。
9、本专利技术至少具有以下有益效果：
10、本专利技术实施例提供的航班延误预测模型训练方法，采用横向联邦学习来训练模型，以及在客户端采用了门控循环单元神经网络来捕捉序列数据的时序特征，如此，能够在保证航班数据隐私的情况下，能够提高模型训练效率和预测能力。
11、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【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，其特征在于，航班运行数据对应的气象数据包括：位于对应的实际起飞时间之前第一
7.根据权利要求1所述的方法，其特征在于，每个客户端基于接收到的全局模型参数对当前的本地模型参数进行更新包括：每个客户端将接收到的全局模型参数作为当前的本地模型参数。
8.根据权利要求7所述的方法，其特征在于，每个客户端基于接收到的全局模型参数对当前的本地模型参数进行更新包括：每个客户端基于当前运行状况对接收到的全局模型参数进行调整，并将调整后的全局模型参数作为当前的本地模型参数。
9.一种电子设备，其特征在于，包括处理器和存储器；
10.一种非瞬时性计算机可读存储介质，其特征在于，所述非瞬时性计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述方法的步骤。
...【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。