[发明专利]一种民航机组人力资源预测方法、电子设备及存储介质

权利要求书

1.一种民航机组人力资源预测方法，其特征在于包括以下步骤：

数据预处理，根据历史机组搭班数据、历史机组排班数据计算历史每日机组需求人数，根据历史航班数据计算历史每日各类机场航班量；

建立预测模型，将航班计划涉及的机场进行分类，将一天划分成若干时间段，通过机组人力需求与各类机场航班量及各个时间段航班量之间的关系生成预测模型；

训练预测模型，将所述历史每日机组需求人数和所述历史每日各类机场航班量分为训练样本和测试样本，采用机器学习算法通过所述训练样本对所述预测模型进行训练，通过所述测试样本对所述预测模型进行检验；

预测机组人力需求，计算待预测的航班计划的预测时间段每日各类机场航班量，将所述预测时间段每日各类机场航班量代入检验通过的预测模型，得到机组人力资源预测结果。

2.如权利要求1所述的一种民航机组人力资源预测方法，其特征在于：所述数据预处理步骤中，所述历史机组搭班数据包括任务串开始日期、结束日期、定员、所属基地、航班数据，所述历史机组排班数据包括员工号、任务开始日期、结束日期、任务类型，所述历史航班数据包括航班起飞日期、结束日期、飞行小时、航班定员、航班机型、所属基地。

3.如权利要求1所述的一种民航机组人力资源预测方法，其特征在于：所述建立预测模型步骤中，将航班计划涉及的机场分为特殊机场和非特殊机场，所述特殊机场包括B类机场、C类机场、国际远程机场，所述非特殊机场具体为普通机场。

4.如权利要求3所述的一种民航机组人力资源预测方法，其特征在于：所述建立预测模型步骤中，所述预测模型的具体公式如下：

其中，Y为每日机组需求人数，X为每日各类机场航班量构成的向量，X分量是由航班起飞时刻不在当天而落地时刻在当天且包含所述特殊机场的航班量、航班起飞时刻落在将当天划分成的n个时间段且包含所述特殊机场的航班量、航班起飞时刻不在当天而落地时刻在当天且不含所述特殊机场的航班量、航班起飞时刻落在将当天划分成的n个时间段且不含所述特殊机场的航班量组成，Δhours为时间段长度，n为时间段个数。

5.如权利要求1所述的一种民航机组人力资源预测方法，其特征在于：所述训练预测模型步骤中，所述机器学习算法包括神经网络算法和支持向量机算法。

6.如权利要求1所述的一种民航机组人力资源预测方法，其特征在于：所述训练预测模型步骤中，将所述历史每日机组需求人数和所述历史每日各类机场航班量分别按照8：2的比例分为训练样本和测试样本。

7.如权利要求1所述的一种民航机组人力资源预测方法，其特征在于：在所述数据预处理步骤之前还包括加载历史数据步骤，所述加载历史数据步骤为加载所述历史机组搭班数据、所述历史机组排班数据、所述历史航班数据。

8.如权利要求1所述的一种民航机组人力资源预测方法，其特征在于：所述预测机组人力需求步骤还包括加载所述待预测的航班计划。

9.一种电子设备，其特征在于包括：处理器；

存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行权利要求1-8任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行如权利要求1-8任意一项所述的方法。