原文服务方: 航空计算技术       
摘要:
针对普通神经网络预测人为因素造成的航班延误能力不足的问题,提出了一种基于多头自注意力机制和卷积双向门控循环单元的预测模型(MHSA-C-BiGRU)对航班延误问题进行研究。模型采用卷积双向门控循环单元(C-BiGRU)提取局部信息和上下游数据的时序信息,利用多头自注意力机制(MHSA)的并行能力从不同位置提取数据内部之间的特征,强化重要信息的权值,使模型聚焦到对当前任务更重要的信息,从而增强模型分析人为因素造成的航班延误的能力。研究使用2018年上海浦东机场的航班数据和气象数据。结果表明,预测模型相对于基础模型的预测准确率提高了4.4%,各项宏平均值有8%的提高,各项权重平均值有5%的提高。
推荐文章
航班延误预测研究概述
航班延误
航班延误预测
航班延误预测流程
数据挖掘
基于C-均值聚类的航班预测模型
航班预测
C-均值聚类
收益管理
基于Bi-IndRNN和PSO的航班延误预测
航班延误预测
独立循环神经网络
双向循环神经网络
粒子群算法
航班延误预测方法研究综述
空中交通管理
航班延误
延误预测
统计推断
机器学习
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MHSA和C- BiGRU的航班延误预测研究
来源期刊 航空计算技术 学科
关键词 航班延误预测 多头自注意力机制 卷积双向门控循环单元 时空特征
年,卷(期) 2024,(6) 所属期刊栏目 计算方法
研究方向 页码范围 69-73
页数 5页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2024(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
航班延误预测
多头自注意力机制
卷积双向门控循环单元
时空特征
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
航空计算技术
双月刊
1671-654X
61-1276/TP
大16开
西安市太白北路156号
1971-01-01
中文
出版文献量(篇)
3986
总下载数(次)
0
总被引数(次)
18592
论文1v1指导