-
题名基于S2S-CNN-GRU的机场离港航班延误预测
被引量：5
- 1
-
-
作者
李善梅
周相志
-
机构
中国民航大学空中交通管理学院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第8期93-100,共8页
-
基金
国家自然科学基金资助(78101215)
天津市自然科学基金资助(21JCZDJC00780)
+1 种基金
中央高校基本科研业务费专项资金资助(312202YY02,3122019129)
民航安全能力建设资金项目(SKZ49420220027)。
-
文摘
为解决空中交通管理中机场离港航班延误预测难题,采用序列到序列(S2S)框架将门控单元循环网络(GRU)和卷积神经网络(CNN)相结合,提出一种基于S2S-CNN-GRU的航班延误预测模型,主要采用序列到序列的框架结构,利用CNN来捕获机场航班延误状态的结构化特征,作为编码器的输入,利用GRU捕获延误状态的时间特征,并作为解码器输出预测结果,提高预测的准确性。采用美国实际数据检验该模型的有效性,并同其他模型进行对比。结果表明:基于S2S-CNN-GRU的航班延误预测模型预测的平均绝对误差(MAE)为3.03,均方根误差(RMSE)为5.82,明显优于其他模型的预测效果。
-
关键词
序列到序列(s2s)-卷积神经网络(cnn)-门控循环单元(gru)模型
离港航班
延误预测
神经网络
特征提取
-
Keywords
sequence to sequence(s2s)-convolutional neural network(cnn)-gate recurrent unit(gru)(s2s-cnn-gru)model
departure flight
delay prediction
neural network
feature extraction
-
分类号
X949
[环境科学与工程—安全科学]
V355.1
[航空宇航科学与技术—人机与环境工程]
-
