基于XGBoost的航空器动态滑行时间预测方法研究

• 作者: 赵征 冯事成 宋梅雯 胡莉 陆莎
• 来源期刊: 航空工程进展
• 学科: 航空航天
• 关键词: 航空运输 动态滑行时间 机器学习 XGBoost 样本量
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 论文
• 页码范围: 76-85
• 页数: 9页
• 分类号: V355. 1
• 语种: 中文
• DOI: 10.16615/j.cnki.1674-8190.2022.01.08

摘要

对航空器进港和离港滑行时间进行精确的动态预测，可以有效提升机场的运行效率。首次提出基于XGBoost 的航空器动态滑行时间预测方法，该方法首先通过分析影响机场滑行时间的各类因素，构建可变滑行时间预测的关键特征指标；然后选取XGBoost 算法建立可变滑行时间预测模型，对模型的关键输入参数进行测试调整；最后将XGBoost 算法与随机森林和支持向量回归算法的预测效果进行对比。同时，首次剖析样本数据量与滑行时间预测精度的关联，并以广州白云国际机场为分析对象进行实验。结果表明：采用XGBoost 算法，进/离港滑行时间的预测精度分别达到了94.1% 和96.6%，优于主流算法随机森林和支持向量回归；且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000 条（含）以上。