[发明专利]航班进离港率的预测方法和装置

权利要求书

1.一种航班进离港率的预测方法，其特征在于，包括：

根据云底高度、能见度对机场的气象条件进行分类，建立不同气象条件下航班的第一进港率函数模型和第一离港率函数模型；

根据不同气象条件下所述机场的历史数据集，并采用机会约束优化模型对所述第一进港率函数模型中的第一参数和所述第一离港率函数模型中的第二参数进行优化，建立不同气象条件下航班的第二进港率函数模型和第二离港率函数模型；其中，所述机场的历史数据集包括多个航班历史运行日的气象条件和航班实际进离港时刻；

获取所述机场的当前气象条件，选择所述当前气象条件下对应的所述第二进港率函数模型和所述第二离港率函数模型；

根据当前航班的计划进港时刻和所述第二进港率函数模型获取机场航班的预测进港率，根据当前航班的计划离港时刻和所述第二离港率函数模型，获取所述机场航班的预测离港率。

2.根据权利要求1所述的预测方法，其特征在于，所述第一进港率函数模型是以时间为自变量的多个函数的线性组合，其中，每个函数对应一个时间段；

所述第一离港率函数模型是以时间为自变量的多个函数的线性组合，其中，每个函数对应一个时间段。

3.根据权利要求2所述的预测方法，其特征在于，所述根据不同气象条件下所述机场的历史数据集，并采用机会约束优化模型对所述第一进港率函数模型中的第一参数和所述第一离港率函数模型中的第二参数进行优化，建立不同气象条件下航班的所述第二进港率函数模型和所述第二离港率函数模型，包括：

根据所述多个航班历史运行日的气象条件和航班的实际进离港时刻，获取所述多个航班历史运行日不同气象条件下的历史进港率数据集和历史离港率数据集，所述历史进港率数据集包括所述多个航班历史运行日中每个小时航班的历史进港率，所述历史离港率数据集包括所述多个航班历史运行日中每个小时航班的历史离港率；

采用机会约束优化模型使得所述第一进港率函数模型与历史进港率数据集之间的第一欧拉距离最小化，以优化所述第一进港率函数模型中的第一参数；

采用机会约束优化模型使得所述第一离港率函数模型与历史离港率数据集之间的第二欧拉距离最小化，以优化所述第一离港率函数模型中的第二参数；

根据所述第一欧拉距离和优化后的所述第一参数，建立不同气象条件下航班的所述第二进港率函数模型；

根据所述第二欧拉距离和优化后的所述第二参数，建立不同气象条件下航班的所述第二离港率函数模型。

4.根据权利要求3所述的预测方法，其特征在于，所述根据所述第一欧拉距离和优化后的所述第一参数，建立不同气象条件下航班的所述第二进港率函数模型，包括：

步骤11：将所述第一参数、所述第一欧拉距离、所述第一离港率函数模型中函数的个数赋予初值，并令第一支撑样本集为空集，所述第一支撑样本集为所述历史进港率数据集中影响所述第一参数的样本的集合；

步骤12，分别计算所述历史进港率数据集中的每个样本的进港率与所述第一进港率函数模型之间的第一差值；

步骤13，若所述历史进港率数据集中的每个样本的进港率与所述第一进港率函数模型之间的所述第一差值均小于所述第一欧拉距离，则确定所述第一欧拉距离达到最小化，所述第一参数为最优第一参数，得到不同气象条件下航班的所述第二进港率函数模型；

步骤14，若所述历史进港率数据集中的样本的进港率与所述第一进港率函数模型之间的多个所述第一差值中存在大于所述第一欧拉距离的差值，将多个所述第一差值中的最大值对应的所述历史进港率数据集中的样本记为第一样本，并在所述第一支撑样本集中添加所述第一样本；

采用非凸优化方法，计算所述第一样本的进港率与所述第一进港率函数模型之间的所述第一差值；

重复步骤13、14，直至所述历史进港率数据集中的每个样本的进港率与所述第一进港率函数模型之间的所述第一差值均小于所述第一欧拉距离，迭代停止；当前第一参数为所述最优第一参数，得到不同气象条件下航班的所述第二进港率函数模型。