[发明专利]基于长短期记忆神经网络的航班延误分级预警方法

说明书

本发明公开一种基于长短期记忆神经网络的航班延误分级预警方法，解析航空气象报文，得到航班延误预测所需的航空气象数据；进行多源数据融合，形成初始航班延误数据集；使用语义转换将非数值数据转换为数值数据，对延误特征进行分级预测，离散化划分机型特征及天气特征；进行数据清洗、缺失值补全、归一化处理，形成航班延误分级预测标准数据集，并进行划分；在训练集上分批次训练基于长短期记忆神经网络的航班延误等级预测模型；在验证集上得到具有最优超参数的长短期记忆神经网络模型；在测试集上对最优航班延误等级预测模型的性能进行验证；根据预测得到的航班延误等级确定延误预警等级。此种方法可有效提高航班延误预警的准确性和可靠性。

技术领域

本发明属于机场航班延误预警方法技术领域，特别涉及一种基于长短期记忆神经网络的航班延误分级预警方法。

背景技术

随着国民经济的持续快速健康发展，航空运输需求也在不断增加。然而近年来，大面积航班延误现象日益凸显，成为困扰着民航部门和广大旅客的一个世界性难题。由于航班延误导致的旅客拒绝登机、霸机、冲击机场、殴打工作人员等恶性事件屡见不鲜，造成民航优质服务形象受损，严重影响了机场的安全运行秩序。为了降低由于航空公司自身原因，尤其是因航班计划制定不当而导致的延误，民航总局提出了《民航局开展保障航班正常和大面积航班延误应急处置专项整治工作方案》，旨在降低航班平均延误时间，提升航班运行效率。然而，造成航班发生延误的原因很多，主要原因是机场和空域的容量不足，其他的一些原因，例如天气、机场调度、公司计划、旅客、行李等也都可能导致航班延误。另外，航班延误还存在一个链式反应的问题：当一架航班发生延误，如果计划紧凑，就会影响到下一个航班的正点到达或起飞，从而间接波及到更多下游航班和机场。由于众多不确定性因素的存在，不可能完全避免飞机延误事件，但是若能在预测到某个不确定事件将会发生后来及时进行预警并采取应对措施，就可以减小航班延误波及、降低经济损失、并提高民航信誉。因此，航班延误预警具有重要的现实意义。

国内外对航班延误的预测和预警研究已经开展了多年并取得了一定的成果，研究内容主要集中在对智能算法的研究及其在航班延误预警中的应用。其中涉及到的方法种类繁多，各有利弊，问题主要体现在以下两个方面：

一、现有各种延误预警方法侧重模型的研究，不注重对实际运行数据的预处理

对实际采集的航班延误数据分析可知，这些数据包含大量的杂质数据，不加以合理的规范的预处理将直接影响预测模型的预测精度。脏数据的形成可能是现实中各种数据记录或者存储过程中发生的丢失以及错误记录或者存储时造成的失真，如果直接使用此类数据对模型进行训练，会使训练出来的模型参数会被错误的数据误导，使得每次数据输入后的预测的值都有比较大的变化并且预测准确度不高的问题，所以，对实时运行数据进行严格的预处理是非常有必要的，能使得数据集适用于各种智能预测算法。

二、现有航班延误预测模型忽略了航班延误的时序问题

传统的机器学习模型在对数据进行处理的时候，每条输入对应一个输出，每一次权重以及偏置项的更改都是基于单条数据内各个特征之间的影响，所以在这些模型的基础上无法考虑多条数据之间的相互影响。作为深度学习模型的一种，时间循环神经网络有效解决了这个问题，通过隐含状态在隐含层之间的传递考虑了数据之间的时序关系，在处理带有时序特征的数据上能表现出更好的效果。为了防止处理时序比较长的数据时会出现梯度消失的问题，尽量保证将前面时刻的数据信息传递给离它比较远的时间节点，长短期记忆神经网络使用遗忘门、输入门和输出门来控制状态的传送，解决了长短期的依赖问题。

发明内容

本发明的目的，在于提供一种基于长短期记忆神经网络的航班延误分级预警方法，其可有效提高航班延误预警的准确性和可靠性。

为了达成上述目的，本发明的解决方案是：

一种基于长短期记忆神经网络的航班延误分级预警方法，包括如下步骤：

步骤1，获取航班运行数据以及航空气象报文；