[发明专利]一种基于双向LSTM的飞机机位分类预测方法和系统

摘要

本发明公开了一种基于双向LSTM的飞机机位分类预测方法，属于人工智能技术领域。本发明方法首先采集航站楼的航班信息，根据航班停靠机位对航班添加标签，按照日期将航班信息划分成不同的序列；再对航班信息进行预处理，将航班信息划分为训练集、验证集和测试集；之后利用航班信息构建双向LSTM网络模型，利用训练集对双向LSTM网络进行训练，通过验证集测试所述模型，根据所述模型在训练集和验证集的正确率，调节网络超参数，使得双向LSTM网络模型的正确率大于设定阈值；最后将实时航班信息输入至训练好的双向LSTM网络模型，输出预测航班停靠机位。本发明还实现了一种基于双向LSTM的飞机机位分类预测系统。本发明技术方案能够较为准确地预测出航班的机位类别。

主权项

1.一种基于双向LSTM的飞机机位分类预测方法，其特征在于，所述方法包括以下步骤：(1)采集任一航站楼的航班信息，根据航班停靠机位对航班添加标签，按照日期将航班信息划分成不同的序列，序列中航班信息按照航班起飞时间排序；(2)对航班信息进行预处理，将航班信息划分为训练集、验证集和测试集；(3)通过前向的LSTM与后向的LSTM结合构建双向LSTM网络结构，LSTM网络由t时刻的输入词x^<t>，细胞状态C^<t>，临时细胞状态隐层状态a^<t>，遗忘门更新门输出门组成；将航班信息作为输入词输入所述双向LSTM网络；输出层为softmax，输出航班停靠各种机位的概率；(4)设置网络超参数，网络超参数包括隐含节点数、梯度阈值、迭代次数、学习率和学习率衰减系数；(5)利用训练集对双向LSTM网络进行训练，通过验证集测试所述模型，根据所述模型在训练集和验证集的正确率，调节网络超参数，使得双向LSTM网络模型的正确率大于设定阈值；(6)将实时航班信息输入至训练好的双向LSTM网络模型，输出预测航班停靠机位。