【技术实现步骤摘要】
本专利技术属于民航信息处理，尤其涉及一种民航重要活动抵离信息处理方法及系统。
技术介绍
1、随着全球经济的发展和人民生活水平的提高，民航行业在过去几十年里经历了迅猛的增长。民航运输已成为人们跨越国界、迅速到达目的地的主要方式之一。大量的航班每天在全球范围内进行着起飞和降落，为商务旅行、旅游和货物运输提供了便利。
2、在民航运输中，准确获取航班的抵离信息对于航空公司、机场管理部门以及乘客来说至关重要。航班的抵达和离开时间决定了航班的正常运行，直接影响着旅客的行程安排和货物的物流调度。任何抵离信息的错误或延误都可能导致不必要的麻烦和损失，因此确保抵离信息的准确性和及时性对于整个民航系统的运行至关重要。
3、传统的抵离信息处理方法主要依赖于人工或基于规则的自动化系统。这些方法往往依赖于人员手动录入和处理数据，存在以下一些问题：
4、信息不准确：由于人为因素或数据来源的不确定性，传统方法往往无法保证抵离信息的准确性。
5、处理效率低下：人工处理需要大量时间和人力，无法满足实时处理的需求，尤其是在高峰时段或突发事件发生时。
6、难以应对复杂情况：民航系统中涉及的数据量庞大且复杂，传统方法往往无法有效处理大规模数据和复杂情况。
7、随着信息技术的发展，大数据和深度学习等人工智能技术在各个领域得到了广泛应用，为解决传统方法存在的问题提供了新的思路和解决方案。在民航领域，大数据技术可以帮助收集和处理海量的航班数据、机场数据和天气数据，提供更全面和准确的信息支持。而深度学习技
8、鉴于民航行业的快速发展和传统方法存在的局限性，迫切需要一种更加先进和高效的抵离信息处理方法来满足日益增长的需求。
技术实现思路
1、为克服相关技术中存在的问题，本专利技术公开实施例提供了一种民航重要活动抵离信息处理方法及系统，具体涉及一种民航重要活动抵离信息处理方法。本专利技术基于大数据和深度学习的方式应对实际需求，其可以充分利用现有的数据资源，并结合先进的人工智能技术，提高抵离信息处理的准确性、实时性和效率，为民航行业的发展注入新的活力。
2、所述技术方案如下：一种民航重要活动抵离信息处理方法，包括：
3、s1，对数据源进行采集和预处理；所述数据源包括：航班信息、机场信息、天气信息、人员抵离信息、人员去往意向、附近公路交通信息；
4、s2，对数据源数据进行特征提取和建模；特征提取包括：从原始数据中提取出反映数据特征和信息的指标或属性，将特征提取的数据输入到采用深度学习算法建立的抵离信息预测模型；
5、s3，对抵离信息预测模型进行训练和优化，训练优化完成后，进行抵离信息的预测和处理，并将处理的结果输出到平台上，供查询和使用；
6、s4，对处理的结果进行结果验证和修正，在抵离信息预测模型预测出现偏差或错误时，通过人工干预或调整抵离信息预测模型参数修正结果；
7、s5，对抵离信息预测模型持进行持续的训练和优化，持续调整各输入参数所影响结果的权重比例，适应不断变化的数据和需求；
8、s6，将训练完毕的抵离信息预测模型，投入到实际中，为决策者不断提供决策建议。
9、在步骤s1中，对数据源进行采集，包括：通过人工上传、抽取第三方业务系统对外提供的接口、从第三方业务系统数据库中直接进行获取、数据爬取；并将采集到的数据保存到数据库中；
10、对数据源进行预处理包括：
11、（1）缺失值处理：识别并处理数据中的缺失值，填补缺失数据；对存在相似参考的数据，对缺失值进行同类对比补充填写；对不存在相似的数据，将当前数据删除，避免当前数据对后续训练结果造成影响；
12、（2）异常值检测：针对数据中，明显异常的数据，进行统一删除；数据中异常情况数据，对数据进行调整；
13、（3）数据格式转换：将数据的格式进行统一调整，方便后续数据导入，将日期时间格式统一为标准的时间戳格式、所有的文字都改为字符格式、将数值都保留相应的位数；
14、（4）数据去重：对数据进行分类整理，将同类数据进行对比，辨别并删除其中完全一致的数据，保证数据的唯一性和一致性；
15、（5）数据标准化：整理待标准化建立标准化对照库，将数据统一转化成标准化库中对应的数据，符合统一的数据标准和规范，包括但不限于：把所有航班的航空公司标识都调整为对应的三字码；所有的数据时间都调整成以北京时间作为基准；
16、在步骤s1中，对数据源进行预处理后，还需要对处理后的数据进行质量评估。
17、在步骤s2中，在特征提取前，进行特征选择，特征选择的字段是根据字段出现的频率和人为定义的重要程度来定义的，表达式为：
18、；
19、式中，为特征值决定值，为出现的频率，为定义的重要程度，值介于0-1之间，非常重要，不重要；为数据总量；
20、当计算结果大于0.6时，则认为当前数据具有特征性，把当前数值作为特征值进行选择；从原始数据中选择出最具有代表性和区分度的特征子集，所述特征子集包括但不限于：
21、航班信息特征：包括航班起飞时间、抵达时间、航班号、机型信息；
22、机场信息特征：包括机场代码、航站楼、登机口信息；
23、天气信息特征：包括气温、湿度、风向风速气象因素；
24、其他信息特征：包括旅客前往目的地、前往目的地的方式、后续计划。
25、在步骤s2中，建立的抵离信息预测模型，包括：
26、数据集构建：将前期收集、清理及特征提取过的数据分成三份，一份是训练集，一份是验证集，一份是测试集；
27、构建长短期记忆lstm模型：使用lstm模型作为深度学习的底层，选择多个lstm层增加模型的深度，lstm层依次堆叠在一起，形成深层的lstm网络。
28、在步骤s3中，对抵离信息预测模型进行训练和优化，包括：lstm的训练过程，使用反向传播算法和随机梯度下降优化算法；在训练过程中，通过计算损失函数关于权重的梯度，并使用随机梯度下降优化算法更新权重，以最小化损失函数；
29、在预测模型训练后优化完成后进行抵离信息的预测和处理包括：在抵离信息预测模型训练完成之后，进行评估和调优，评估过程中，使用测试集中的数据进行，评估模型在未知数据上的预测性能；评估指标包括均方误差mse、平均绝对误差mae、准确率；用于衡量抵离信息预测模型的预测准确性和泛化能力；如果三种数据都在符合的范围内，则抵离信息预测模型通过；如果抵离信息预测模型性能不准确，通过调整模型结构、调整超参数方法进行调优。
30、均方误差mse，用于测量预测值与某些真实值匹配程度，表达式为：
31、；
32、式中，为样本数，为真实数据，为预测的数据表本文档来自技高网...
【技术保护点】
1.一种民航重要活动抵离信息处理方法，其特征在于，该方法包括：
2.根据权利要求1所述的民航重要活动抵离信息处理方法，其特征在于，在步骤S1中，对数据源进行采集，包括：通过人工上传、抽取第三方业务系统对外提供的接口、从第三方业务系统数据库中直接进行获取、数据爬取；并将采集到的数据保存到数据库中；
3.根据权利要求1所述的民航重要活动抵离信息处理方法，其特征在于，在步骤S2中，在特征提取前，进行特征选择，特征选择的字段是根据字段出现的频率和人为定义的重要程度来定义的，表达式为：
4.根据权利要求1所述的民航重要活动抵离信息处理方法，其特征在于，在步骤S2中，建立的抵离信息预测模型，包括：
5.根据权利要求1所述的民航重要活动抵离信息处理方法，其特征在于，在步骤S3中，对抵离信息预测模型进行训练和优化，包括：LSTM的训练过程，使用反向传播算法和随机梯度下降优化算法；在训练过程中，通过计算损失函数关于权重的梯度，并使用随机梯度下降优化算法更新权重，以最小化损失函数；
6.根据权利要求5所述的民航重要活动抵离信息处理方法，其特
7.根据权利要求6所述的民航重要活动抵离信息处理方法，其特征在于，平均绝对误差MAE用于预测值和观测值之间差异的样本标准差，表达式为：
8.根据权利要求1所述的民航重要活动抵离信息处理方法，其特征在于，在步骤S4中，对处理的结果进行结果验证和修正，包括：先人工计算出训练数据本应该输出的结果，然后对抵离信息预测模型输出结果与人工计算出的结果进行对比。
9.一种民航重要活动抵离信息处理系统，其特征在于，实施如权利要求1-8任意一项所述民航重要活动抵离信息处理方法，该系统包括：
10.根据权利要求9所述的民航重要活动抵离信息处理系统，其特征在于，特征提取模块（2）还用于从原始数据中选择出最具有代表性和区分度的特征子集，包括航班信息特征、机场信息特征、天气信息特征以及其他信息特征；
...【技术特征摘要】
1.一种民航重要活动抵离信息处理方法，其特征在于，该方法包括：
2.根据权利要求1所述的民航重要活动抵离信息处理方法，其特征在于，在步骤s1中，对数据源进行采集，包括：通过人工上传、抽取第三方业务系统对外提供的接口、从第三方业务系统数据库中直接进行获取、数据爬取；并将采集到的数据保存到数据库中；
3.根据权利要求1所述的民航重要活动抵离信息处理方法，其特征在于，在步骤s2中，在特征提取前，进行特征选择，特征选择的字段是根据字段出现的频率和人为定义的重要程度来定义的，表达式为：
4.根据权利要求1所述的民航重要活动抵离信息处理方法，其特征在于，在步骤s2中，建立的抵离信息预测模型，包括：
5.根据权利要求1所述的民航重要活动抵离信息处理方法，其特征在于，在步骤s3中，对抵离信息预测模型进行训练和优化，包括：lstm的训练过程，使用反向传播算法和随机梯度下降优化算法；在训练过程中，通过计算损失函数关于权重的梯度，并使用随机梯度下降优化算法更新...
【专利技术属性】
技术研发人员：邵林，陈晓，刘青，郭敬云，房千琪，姜璐璐，
申请(专利权)人：青岛民航凯亚系统集成有限公司，
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。