[发明专利]一种基于进化欠抽样集成学习的航班延误预警方法

摘要

本发明公开了一种基于进化欠抽样集成学习的航班延误预警方法，属于机场航班延误预警技术领域。本方法的具体步骤如下：首先，对航班延误实测数据集的目标属性进行离散化处理并清除噪声点，得到规范化的数据集；接着，使用进化欠抽样方法对这个类不平衡的数据集的多数类进行T次欠抽样，构建T个平衡的训练集；然后，使用网格搜索技术在每个平衡训练集上进行分类回归决策树分类器的参数寻优并生成分类器；最后，确定一种最佳集成方式将这些分类器构成一个集成系统EUS‑Bag，即为一个航班延误预警模型。该预警模型可为空管部门进行合理的空中交通调度提供决策依据。本方法智能化程度高，能有效的提高机场航班延误预警的准确度和可靠性。

主权项

1.一种基于进化欠抽样集成学习的航班延误预警方法，其特征在于包括如下步骤：步骤1：获取机场航班延误实测数据集；步骤2：对实测数据集依次进行目标属性离散化、噪声数据点清除处理，创建航班延误数据集；步骤3：利用一种同时考虑预测性能和多样性的新适应度函数的进化欠抽样方法：其中：GM_s为使用染色体chrom_s编码的当前多数类子集构成训练集时，生成的分类器所取得的分类性能；α和β是反映第二项和第三项的相对重要程度的两个系数；Aver_Q_s为当前多数类子集与为前t‑1个分类器选择的最优多数类子集之间的平均Q统计多样性；D_trmin为初始训练集中少数类的规模；D_{trmaj_s}为染色体chrom_s编码的当前多数类子集，对航班延误数据集的多数类进行T次欠抽样，分别与初始少数类数据子集合并，得到T个平衡的训练集；步骤4：采用网格搜索技术和交叉验证分别在T个平衡训练集上训练并选取平均分类精度最高的决策树，进而训练T个分类回归决策树分类器，构成一个集成系统EUS‑Bag；步骤5：确定集成系统EUS‑Bag中基分类器的一种集成方式，使得该系统能获得最佳的分类性能，并将该集成系统作为航班延误预警模型。