改进ConvNeXt网络的航班延误预测模型优化研究

• 作者: 何彩虹 王辉 张智铭 王骋洋 檀萝帆
• 来源期刊: 航空计算技术
• 学科: 航空航天
• 关键词: 航班延误 ConvNeXt 数据处理 深度学习 分类
• 年，卷（期）: 2024,（4）
• 所属期刊栏目: 计算方法
• 页码范围: 23-27
• 页数: 5页
• 语种: 中文

摘要

航班延误预测已在航班延误领域得到广泛应用，由于航班数据存在噪声和样本失衡等问题，导致航班延误预测结果在召回率方面表现较差。提出一种改进ConvNeXt航班延误预测模型提取天气延误航班数据的进行数据增强，并使用类权重改善样本失衡，再优化ConvNeXt的网络结构和卷积核大小。收集处理美国亚特兰大和中国上海虹桥机场数据进行试验。实验结果表明，改进ConvNeXt具较好的特征提取能力和泛化性能，相比于标准的ConvNeXt模型，其预测准确率提升了4%,召回率提升了7%,相比于随机森林等集成学习，AUC分数提高了1.4%。