中国安全科学学报2023，Vol.33Issue(8) ：93-100.DOI:10.16265/j.cnki.issn1003-3033.2023.08.1897

基于S2S-CNN-GRU的机场离港航班延误预测

Prediction of airport departure delay based on S2S-CNN-GRU

李善梅 周相志
中国安全科学学报2023，Vol.33Issue(8) ：93-100.DOI:10.16265/j.cnki.issn1003-3033.2023.08.1897
✕
  • 维普
  • 万方数据

基于S2S-CNN-GRU的机场离港航班延误预测

Prediction of airport departure delay based on S2S-CNN-GRU

李善梅 1周相志1
扫码查看

作者信息

  • 1. 中国民航大学空中交通管理学院,天津 300300
  • 折叠

摘要

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

Key words

sequence to sequence(S2S)-convolutional neural network(CNN)-gate recurrent unit(GRU)(S2S-CNN-GRU)model/departure flight/delay prediction/neural network/feature extraction

引用本文复制引用

基金项目

国家自然科学基金(78101215)

天津市自然科学基金(21JCZDJC00780)

中央高校基本科研业务费专项(312202YY02)

中央高校基本科研业务费专项(3122019129)

民航安全能力建设资金项目(SKZ49420220027)

出版年

2023
中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
被引量1
参考文献量6
段落导航相关论文