基于双通道卷积神经网络的航班延误预测模型

• 作者: 吴仁彪 屈景怡 李佳怡
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 航班延误预测 双通道卷积神经网络 数据融合 直通通道 卷积衰减因子
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 应用前沿、交叉与综合
• 页码范围: 2100-2106,2112
• 页数: 8页
• 分类号: TP391.4
• 字数: 8816字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018010037

摘要

针对航班延误预测数据量大、特征提取困难而传统算法处理能力有限的问题,提出一种基于双通道卷积神经网络(DCNN)的航班延误预测模型.首先,该模型将航班数据和气象数据进行融合,应用DCNN进行自动特征提取,采用批归一化(BN)和Padding策略优化,提升到港延误等级的分类预测性能;然后,在卷积神经网络(CNN)基础上加入直通通道,以保证特征矩阵的无损传输,增强深度网络的畅通性;同时引入卷积衰减因子对卷积通道的特征矩阵进行稀疏性限制,控制不同网络深度的特征叠加比例,维持模型的稳定性.实验结果表明,所提模型与传统模型相比,具有更强的数据处理能力.通过数据融合,航班延误预测准确率可提高1个百分点;加深网络深度后,该模型能保证梯度的稳定,从而训练更深的网络,使准确率提升至92.1％.该基于DCNN算法的模型特征提取充分,预测性能优于对比模型,可更好地服务于民航决策.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴仁彪	中国民航大学天津市智能信号与图像处理重点实验室	195	1158	14.0	22.0
2	屈景怡	中国民航大学天津市智能信号与图像处理重点实验室	23	101	5.0	8.0
3	李佳怡	中国民航大学天津市智能信号与图像处理重点实验室	2	18	2.0	2.0