计算机技术与发展2023，Vol.33Issue(4) ：213-220.DOI:10.3969/j.issn.1673-629X.2023.04.031

基于PN和CNN-LSTM-ATT的航班延误预测

Flight Delay Prediction Based on Petri Net and CNN-LSTM-ATT

吴涔 叶宁 王甦 季翔宇
计算机技术与发展2023，Vol.33Issue(4) ：213-220.DOI:10.3969/j.issn.1673-629X.2023.04.031
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于PN和CNN-LSTM-ATT的航班延误预测

Flight Delay Prediction Based on Petri Net and CNN-LSTM-ATT

吴涔 1叶宁 2王甦 1季翔宇1
扫码查看

作者信息

  • 1. 南京邮电大学 计算机学院、软件学院、网络空间安全学院,江苏 南京 210023
  • 2. 南京邮电大学 计算机学院、软件学院、网络空间安全学院,江苏 南京 210023;江苏省无线传感网高技术研究重点实验室,江苏 南京 210023
  • 折叠

摘要

航班延误预测对提高机场地面保障效率具有重要参考意义.针对目前航班地面保障流程复杂多变以及航班过站延误预测精度不高的问题,提出了一种基于Petri Net和融合预测模型CNN-LSTM-ATT的航班延误预测模型.首先,根据机场航班实际地面保障流程抽象构建离港航班地面保障作业Petri Net模型,获取保障流程中的关键作业时长成为动态特征;其次,将动态特征、航班信息、延误信息和天气信息输入CNN-LSTM-ATT模型中进行特征提取和分类预测,模型中引入注意力机制,通过注意力权重突出关键数据信息的影响,进一步挖掘重要特征之间的内部规律.实验结果显示,该融合模型准确率相比独立模型提升了6％,达到98.1％.通过对不同模型的对比表明该模型能较好地应对场面流程变化并且具备较好的延误预测能力.

关键词

航班地面保障/保障流程分析/延误预测/Petri/Net/CNN-LSTM-ATT

引用本文复制引用

基金项目

江苏省科技重点研发计划(社会发展)(BE2020713)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量3
段落导航相关论文