[发明专利]航班额外油量的推荐方法、装置、设备及存储介质

权利要求书

1.一种航班额外油量的推荐方法，其特征在于，包括：

获取目标航班的全量飞行数据，并对所述全量飞行数据进行预处理，获得全量样本集；其中，所述全量飞行数据包括历史记录的计算机飞行计划数据、风控数据和实际油耗数据；所述风控数据是预置风控模型以在所述目标航班的航线上收集到的气象数据为输入得到的输出；

对所述全量样本集中的样本进行Kmeans聚类，产生聚类结果，并计算得到各分类对应的类均值和类标准差；

随机抽取所述全量样本集中的样本组成所述目标航班的预测样本集，其余样本组成训练集，采用所述训练集对最近邻KNN模型进行训练；

根据所述聚类结果，利用训练后的最近邻KNN模型对所述预测样本集中各预测样本进行分类，得到各预测样本所属的分类；

根据各预测样本所属的分类对应的类均值和类标准差以及对应的风控数据，计算得到各预测样本对应的为目标航班推荐的额外油量；

所述根据各预测样本所属的分类对应的类均值和类标准差以及对应的风控数据，计算得到各预测样本对应的为目标航班推荐的额外油量，包括：

按照以下公式计算各预测样本对应的为目标航班推荐的额外油量：y＝|x_max-a|*b+c；

其中，y为额外油量计算值，x_max为对风控数据进行取最大值操作得到的最大风控数据，a为经验值，b为类标准差，c为类均值；

若y值小于0，则推荐的额外油量为0，否则，推荐的额外油量为y值；

其中，在飞机不需要额外油量的情况下y值小于0。

2.根据权利要求1所述的方法，其特征在于，所述对所述全量飞行数据进行预处理，包括：

将所述全量飞行数据中的定类数据转化成定距数据，以及进行数据清洗。

3.根据权利要求1所述的方法，其特征在于，所述对所述全量样本集中的样本进行Kmeans聚类，产生聚类结果，包括：

确定聚类个数K1以及迭代次数；

从所述样本集中随机选择K1个样本作为初始质心，K1为大于等于1的整数；

计算所述样本集中每一个样本与每一个初始质心的距离，并将每一个样本归到与其距离最小的初始质心所属的类中；

计算每一类中样本的均值，并将所述均值作为下一次迭代的质心；

循环迭代，直到达到所述迭代次数，产生各类。

4.根据权利要求3所述的方法，其特征在于，所述根据所述聚类结果，利用训练后的最近邻KNN模型对各预测样本进行分类，得到各预测样本所属的分类，包括：

计算单个预测样本与训练集每一个训练样本之间的距离：

将测试集中每一个测试样本按照所述距离的递增关系进行排序；

选取距离最小的K2个测试样本，K2为大于等于1的整数；

确定所述K2个测试样本所在类的出现频率；

返回所述K2个测试样本中出现频率最高的类作为所述单个预测样本所属的分类。