[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

说明书

本发明提供一种民航机组人力资源预测方法，包括步骤：数据预处理、建立预测模型、训练预测模型、预测机组人力需求。本发明涉及电子设备与可读存储介质，用于执行一种民航机组人力资源预测方法。本发明建立了机组人力需求与各类机场航班量及各个时间段航班量的数学模型，并基于大量历史运行数据和运用机器学习算法训练和验证预测模型，通过预测模型预测航班计划对应的机组人力资源，实现了机组人力需求的科学化智能化精细化预测，为航空公司机组管理提供了科学有效的决策数据支持。

技术领域

本发明涉及民航机组运行管理及机组人力资源管理技术领域，尤其涉及一种民航机组人力资源预测方法、电子设备及存储介质。

背景技术

航空公司运行管理主要包括飞机引进与运力布局计划、航班计划、机组人力资源预测、机组搭班、机组排班及恢复等过程。机组人力资源预测是其中重要环节之一。但是针对这方面的研究很少，大部分都在研究机组搭班、机组排班这些问题，主要是由于各航空公司的航班结构特点与运行规则区别很大，很难建立统一有效的模型。以往主要依赖手工粗略计算或拍脑袋的方式完成人力预测，测算的效果非常糟糕。快速流动的生产要素，急剧增加的运力网络，纷繁复杂的航空产业法规法制，都令机组人力资源预测变得日益复杂，因此亟需一种科学化智能化精细化的民航机组人力资源预测方法，为航空公司机组管理提供科学有效的决策数据支持。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种民航机组人力资源预测方法，解决了现有民航机组人力资源预测方法无法建立统一有效的模型，预测效果差的问题。

本发明提供一种民航机组人力资源预测方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。