基于Q-learning算法的机场航班延误预测

• 作者: 刘琪 乐美龙
• 来源期刊: 航空计算技术
• 学科: 工学
• 关键词: 航空运输;航班延误预测;深度信念网络;Q-learning;航班延误
• 年，卷（期）: 2025,（1）
• 所属期刊栏目: 计算方法
• 页码范围: 32-36
• 页数: 5页
• 语种: 中文

摘要

将改进的深度信念网络(DBN)和Q-learning算法结合建立组合预测模型。首先将延误预测问题建模为一个标准的马尔可夫决策过程，使用改进的深度信念网络来选择关键特征。经深度信念网络分析，从46个特征变量中选择出27个关键特征类别作为延误时间的最终解释变量输入Q-learning算法中，从而实现对航班延误的实时预测。使用北京首都国际机场航班数据进行测试实验，实验结果表明，所提出的模型可以有效预测航班延误，平均误差为4.05 min。将提出的组合算法性能与4种基准方法进行比较，基于DBN的Q-learning算法的延误预测准确性高于另外四种算法，具有较高的预测精度。