[发明专利]基于长短期记忆神经网络的航班延误分级预警方法

摘要

本发明公开一种基于长短期记忆神经网络的航班延误分级预警方法，解析航空气象报文，得到航班延误预测所需的航空气象数据；进行多源数据融合，形成初始航班延误数据集；使用语义转换将非数值数据转换为数值数据，对延误特征进行分级预测，离散化划分机型特征及天气特征；进行数据清洗、缺失值补全、归一化处理，形成航班延误分级预测标准数据集，并进行划分；在训练集上分批次训练基于长短期记忆神经网络的航班延误等级预测模型；在验证集上得到具有最优超参数的长短期记忆神经网络模型；在测试集上对最优航班延误等级预测模型的性能进行验证；根据预测得到的航班延误等级确定延误预警等级。此种方法可有效提高航班延误预警的准确性和可靠性。

主权项

1.一种基于长短期记忆神经网络的航班延误分级预警方法，其特征在于包括如下步骤：步骤1，获取航班运行数据以及航空气象报文；步骤2，解析航空气象报文，得到航班延误预测所需的结构化的航空气象数据；步骤3，采用特征融合方法对航空气象数据以及航班运行数据进行多源数据融合，形成初始航班延误数据集；步骤4，使用语义转换将所有数据集中的非数值数据转换为数值数据，使用民航业的延误等级划分方法对延误特征进行分级预测，根据飞机的载客量以及天气对飞机起飞影响的程度进行机型特征以及天气特征的离散化划分；步骤5，对处理过的数据进行数据清洗，对缺失值进行数据补全或删除，基于特征的分析进行归一化处理，形成航班延误分级预测标准数据集，并将数据集划分为训练集、测试集和验证集；步骤6，在训练集上，分批次训练基于长短期记忆神经网络的航班延误等级预测模型；步骤7，在验证集上，逐步调节长短期记忆神经网络模型超参数的取值，得到具有最优超参数的长短期记忆神经网络模型；步骤8，在测试集上，对训练得到的最优航班延误等级预测模型的性能进行验证，若不能满足预期要求，则返回步骤6进行重新训练；步骤9，根据预测得到的航班延误等级确定延误预警等级。