基于知识和数据双驱的航班延误预测方法和系统技术方案

本发明专利技术公开了基于知识和数据双驱的航班延误预测方法和系统，所述预测方法包括：根据ATMAP算法将获取的METAR报文数据生成新特征数据；根据获取的航班数据和AWOS气象数据构建关联规则库、知识模型；根据前序选择算法选择基模型，构建数据模型；根据选择的最佳元模型、数据模型和知识模型生成集成学习模型；根据新特征数据、航班数据和AWOS气象数据生成融合数据集；设定集成学习模型的各基模型参数，通过融合数据集得到的新数据集对各基模型训练，生成航班延误预测模型；本发明专利技术将生成的新特征数据、航班数据和AWOS气象数据进行融合构造新数据集，实现了知识注入；通过集成学习方法，提高了航班延误预测模型的预测准确度和预测性能。

【技术实现步骤摘要】

本专利技术涉及交通延误预测，特别涉及基于知识和数据双驱的航班延误预测方法和系统。

技术介绍

1、随着国内航空运输市场逐步恢复，空中交通流量逐渐增加，航班延误问题日益凸显。

2、早期在研究航班延误问题时，学者们主要使用统计分析等传统技术，但这些方法的预测准确性并不理想，随着人工智能技术，尤其是深度学习的快速发展，深度神经网络开始被用于预测航班延误，相较于传统方法，这种数据驱动的方法在准确率上有显著提升，因此被广泛应用。然而，这种方法忽略了人类经验知识的利用，数据驱动的深度学习模型作为黑箱模型具有不可解释性，不能很好解释模型的决策依据，使模型的输出做到透明和可信，同时单纯数据驱动方法可能忽略的领域专家知识，如行业规则、历史经验等，从而使模型在特定场景下缺乏足够的准确性和鲁棒性。此外，在先前的航班延误预测研究中，大多只使用单一模型进行预测，较集成学习模型具有更易过拟合，准确率较低以及鲁棒性不足等缺点。

3、专利技术人经过研究发现，现有技术中的航班延误预测方法至少还存在以下缺陷：

4、仅使用数据模型进行预测，缺乏专家经验知识的利本文档来自技高网...

【技术保护点】

1.一种基于知识和数据双驱的航班延误预测方法，其特征在于，包括步骤：

2.根据权利要求1所述的基于知识和数据双驱的航班延误预测方法，其特征在于，所述关联规则库的构建，包括：

3.根据权利要求2所述的基于知识和数据双驱的航班延误预测方法，其特征在于，所述知识模型的构建，包括：

4.根据权利要求3所述的基于知识和数据双驱的航班延误预测方法，其特征在于，所述数据模型的构建，包括：

5.根据权利要求4所述的基于知识和数据双驱的航班延误预测方法，其特征在于，所述根据基于熵E差异度的前序选择算法选择基模型，包括：

6.根据权利要求1所述的基...

【技术特征摘要】

1.一种基于知识和数据双驱的航班延误预测方法，其特征在于，包括步骤：

2.根据权利要求1所述的基于知识和数据双驱的航班延误预测方法，其特征在于，所述关联规则库的构建，包括：

3.根据权利要求2所述的基于知识和数据双驱的航班延误预测方法，其特征在于，所述知识模型的构建，包括：

4.根据权利要求3所述的基于知识和数据双驱的航班延误预测方法，其特征在于，所述数据模型的构建，包括：

5.根据权利要求4所述的基于知识和数据双驱的航班延误预测方法，其特征在于，所述根据基于熵e差异度的前序选择算法选择基模型，包括：

6.根据权利要求1所述的基于知识和数据双驱的航班延误预测方法，其特...

【专利技术属性】
技术研发人员：屈景怡，李涵诚，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：