10.3969/j.issn.2095-2783.2021.10.013
基于k-means聚类组合预测的航班延误预警方法
为了提高延误预警的精准性,以航班延误相关历史大数据为基础,首先,采用k-means聚类方法确定延误指标的聚类质心,得到科学的延误警级与警区;然后,考虑引入气象环境影响因子,将灰色关联分析(grey relational analysis,GRA)、遗传算法(genetic algorithm,GA)与BP神经网络相结合,构建了GRA-GA-BP航班延误预测模型;最后,运用实际航班延误数据进行模型的实例计算与对比分析.结果表明,引入气象环境因子的GRA-GA-BP模型预测的决定系数(R2)和平均绝对误差(mean abso-lute error,MAE)分别为0.960和8.831,MAE至少下降了1.618,与未优化的模型及传统的Elman神经网络、极限学习机(ex-treme learning machine,ELM)模型相比,提升了泛化性能和精度.该模型适用于航班延误预测预警,可为航空公司制定合理的管控策略提供可靠依据.
航班延误预警;k-means聚类;灰色关联分析;遗传算法;神经网络;组合预测
16
TP181;V355(自动化基础理论)
中央高校基本科研业务费专项资金资助项目;民机专项科研项目
2021-10-28（万方平台首次上网日期，不代表论文的发表时间）
共8页
1119-1125,1138
