[发明专利]基于改进的k-prototype和灰色关联分析的机场相似日选择方法

权利要求书

1.一种基于改进的k-prototype和灰色关联分析的机场相似日选择方法，其特征在于，包括以下步骤：

S1：收集数据，包括METAR报文数据和航班运行数据；

S2：数据预处理，包括对航班数据补齐及数据归一化；

S3：使用CRITIC权重法得到数值属性的权重系数；

S4：通过改进的k-prototype对未知日和历史数据进行日属性聚类；

S5：使用误差平方和与轮廓系数曲线判断出最佳的聚类数；

S6：采用灰色关联分类法找寻未知日的相似日；

所述步骤S4包括以下步骤：

S4.1：数值属性指标之间采用欧式距离计算，计算公式为：

其中，x_ij^r和y_ij^r为数值特征，w_ij为不同数值评价指标的权重，P为数值特征个数；

S4.2：类别属性指标之间的采用汉明距离计算，即属性值相同为0，属性值不同为1，计算公式为：

其中，x_ij^t和y_ij^t为类别特征；

S4.3：数据集和簇的相异度写为如下公式：

d(x_i,y_i)＝d₁+γd₂

因为γ难以确定所以对d(x_i,y_i)进行改写：

式中，|A^r|为数值型属性个数，|A^c|为分类型属性个数，|A|为总的属性个数；

S4.4：改进的k-prototype聚类是一个迭代过程，对比目标函数值是否改变，循环直到目标函数不再改变为止：

其中，E为样本总的损失；

所述步骤S5包括以下步骤：

S5.1：选取m个重要特征构建天气-交通矩阵，则第i日的日特征向量为：x_i＝[x_i1，x_i2，…，x_im]，i＝1，2，…，N；

S5.2：数据进行无量纲化处理，得到灰色关联判断矩阵，未知日的特征向量x₀，与其他日期属性的特征计算关联系数ρ_ik，公式为：

式中，ρ为分辨系数，ρ∈[0,1]，其中ρ取0.5；

S5.3：得到每个样本的灰色关联值γ_i：

S5.4：依据灰色关联值，选择与未知日关联系数较大的日期组成相似日。

2.根据权利要求1所述的基于改进的k-prototype和灰色关联分析的机场相似日选择方法，其特征在于，步骤S1中所述航班运行数据包括实际进港航班数、实际离港航班数和计划进离港航班数。

3.根据权利要求1所述的基于改进的k-prototype和灰色关联分析的机场相似日选择方法，其特征在于，所述步骤S2包括以下步骤：

S2.1：解析METAR报文，选择能见度，风向，风速，云底高，雾、雨和雷暴作为关键气象因素；

S2.2：对风向、雾、雨和雷暴进行离散化处理；

S2.3：获取的数据有数值型和属性型，其中数值型有能见度、风速、云底高、实际进港航班数、实际离港航班数和计划进离港航班数；属性型有风向、雾、雨和雷暴；采用线性插值的方式进行补全数据，对于缺失整天起降信息的日期进行删除处理；

S2.4：将数值型数据归一化采用MinMax法，利用公式进行归一化后的数据值域变换到[0,1]；其中，x为样本数据，x_min为所有样本的最小值，x_max为所有样本的最大值。