[发明专利]一种航班延误时长预测方法及系统

说明书

本发明公开了一种航班延误时长预测方法及系统，根据预设优化指标对预设时间段内的历史航班运行数据预处理；获取航班起降延误时长随不同时间周期的变化规律并确定预测航班延误时长的历史时间和未来时间参数，根据历史时间参数对预处理后的数据筛选得到入模数据；建立航班唯一识别码，并按照航班号和起落机场代码进行编码，按时间顺序将航班的航班起飞、降落延误时长分别进行排列生成数据集，对模型训练得到训练好的预测模型；利用预测模型对航班延误时长进行预测。本发明基于深度学习算法在各航班之间关联关系组成的时变复杂网络下，对未来航班延误时长精准预测以及预测未来航班的延误时长整体态势，助力航班的精准控、精细调，保障民航运行效率。

技术领域

本发明涉及趋势预测技术领域，具体涉及一种航班延误时长预测方法及系统。

背景技术

随着我国航空出行需求的日益增加，航空运行总量与航班运行准点率之间的矛盾日益突出，航班延误频发，因此对航班延误时刻精准预测的研究，有助于相关部门对全国航班未来运行情况的整体把控，并对潜在的延误情况进行及时的调整和治理，从而降低航班延误率，保障民航运行效率，减少延误带来的损失。

现有的对航班延误的预测，一般基于历史数据对单一航班进行预测，且展示的是延误时长的概率，预测时段分为15分钟以内、15分钟-1小时、1-2小时、2-3小、3-4小时和4小时以上以及取消的概率。另外，则是根据传统统计方法，对准点率等指标进行计算，无法精准的对每个航班延误时长进行预测，只是提供一个延误时长的概率，从微观角度来说，也无法支撑对航班运行精细化调整的工作。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的航班延误时长预测方法无法精准的对每个航班延误时长进行预测，无法支撑对航班运行精细化调整的工作的缺陷，因此提供一种基于深度学习的大规模耦合航班延误时长预测方法及系统，考虑各航班之间关联关系组成的时变复杂网络下，对未来航班延误时长精准预测，从而有利于对航班运行进行精细化调整。

为达到上述目的，本发明提供以下技术方案：

第一方面，本发明实施例提供一种航班延误时长预测方法，包括以下步骤：

根据预设优化指标对原始记录的预设时间段内的历史航班运行数据进行预处理；

获取航班起降延误时长随不同时间周期的变化规律，根据变化规律确定预测航班延误时长的历史时间参数和未来时间参数，并根据所述历史时间参数对预处理后的数据进行筛选得到入模数据；

将不同航班建立唯一识别码，并将航班按照航班号和起落机场代码进行编码，按时间顺序将每一个航班的航班起飞、降落延误时长分别进行排列生成数据集，对模型进行训练，得到训练好的预测模型；

利用预测模型对航班延误时长进行预测，得到与未来时间参数对应的预测结果。

在一实施例中，对模型进行训练，得到训练好的预测模型的过程，包括：

将数据集以预设比例分为训练集和验证集，利用训练集对模型进行训练，得到初始的预测模型；

将验证集输入到初始的预测模型中，得到验证集航班的未来延误时长预测值，利用预设误差指标，对模型准确性和泛化能力进行评价，并根据评价结果对模型进行持续优化。

在一实施例中，将训练集以交叉验证的方式分为多个子集，每次选择其中一个子集作为测试集，其他子集作为训练集数据输入到模型中进行训练。

在一实施例中，航班延误时长包括：

航班起飞延误时长，其根据航班实际起飞时刻与计划起飞时刻的差值确定；

航班降落延误时长，其根据航班实际落地时刻与计划落地时刻的差值确定。