基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为分析影响大型繁忙机场航空器离港滑出时间的因素,提高滑出时间预测的准确率,提出了一种从特征选择的角度对滑出时间预测模型改进的方法.充分挖掘影响离港滑出时间的因素作为一次特征,运用特征工程构建交互特征,与一次特征共同组成候选特征集.对比分析K最近邻、支持向量回归、决策树的初步预测效果,选择决策树算法构建离港滑出时间预测模型.从候选特征集中筛选出最优特征变量子集,并再次训练决策树预测模型,使用机场实际运行数据对模型进行检验.结果表明:与仅使用单一特征相比,引入交互特征可以优化预测模型,在误差范围为±3 m in内的预测准确率可达75.62%,±5 min内的预测准确率达到96.39%.
推荐文章
离港航空器滑出时间的BP神经网络预测模型
滑出时间预测
BP神经网络
1小时内平均滑出时间
离港航空器
滑出时间影响因素
基于XGBoost的航空器动态滑行时间预测方法研究
航空运输
动态滑行时间
机器学习
XGBoost
样本量
基于LS-SVM的航空器进场飞行时间预测
预计到达时间
飞行时间预测
LS-SVM
RMSE
基于决策树技术的预离网客户识别模型
预离网
CRISP-DM
数据挖掘
决策树
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于决策树的航空器离港滑出时间预测方法和模型
来源期刊 武汉理工大学学报(交通科学与工程版) 学科
关键词 航空运输 特征选择 决策树 离港滑出时间 交互特征
年,卷(期) 2021,(3) 所属期刊栏目 交通工程与交通运输管理
研究方向 页码范围 448-453
页数 6页 分类号 U8
字数 语种 中文
DOI 10.3963/j.issn.2095-3844.2021.03.010
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (1)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(3)
  • 参考文献(2)
  • 二级参考文献(1)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
航空运输
特征选择
决策树
离港滑出时间
交互特征
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
武汉理工大学学报(交通科学与工程版)
双月刊
2095-3844
42-1824/U
大16开
武昌区和平大道1178号
38-148
1959
chi
出版文献量(篇)
5723
总下载数(次)
12
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导