考虑周期性波动因素的航班离港延误时间预测

• 作者: 张启凡 王永忠 王圣堂 裴柯欣
• 来源期刊: 舰船电子工程
• 关键词: 航班延误预测 周期性波动因素 RBFNN BPNN WNN
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 计算机与网络安全
• 页码范围: 133-136
• 页数: 4页
• 分类号: V355
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9730.2021.07.027

摘要

造成航班延误有很多潜在且不确定的因素,目前尚未有方法可以有效地避免航班的大面积延误.论文基于GLO机场延误特性的分析为基础,筛选与机场航班离港延误时长相关的因素并添加周期性变量共计13个特征变量建立训练集进行深度学习.利用RBFNN、BPNN、WNN,进行对比仿真实验,仿真结果表明考虑周期性波动因素的模型较原模型预测准确度提高,其中RBF神经网络模型预测准确度最高,仿真结果:±10min、±5min、±3min容差内延误时长预测准确率分别为98％、94％、91％.