[发明专利]一种基于大数据预测可变滑动时间的方法及系统

摘要

本发明公开了一种基于大数据预测可变滑动时间的方法及系统，涉及民航信息领域，包括以下步骤：分析机场协同决策系统数据库中的历史数据，从中提取出航班离港运行数据，确定航班离港的主要影响参数，设定权重值并动态调整权重比例；采用梯度提升树模型进行建模，得到可变滑动时间动态估计模型，将主要影响参数的实际数据输入到可变滑动时间动态估计模型中，估计出可变滑动时间的概率分布，计算出期望值；对可变滑动时间进行可视化展示；利用可视化展示的可变滑动时间期望值，进行航空器的放行排序，本发明基于已经建设的A‑CDM系统人工预测智能预测可变滑动时间，通过大数据可视化辅助决策，使得大面积航班延误的防止和缓解。

主权项

1.一种基于大数据预测可变滑动时间的方法，其特征在于：包括以下步骤：分析机场协同决策系统数据库中的历史数据，从中提取出航班离港运行数据，确定航班离港的主要影响参数，并设定各项所述主要影响参数的权重值，动态调整各项主要影响参数的权重比例；导入主要影响参数的历史数据进行参数学习，导入近期获得的主要参数的数据进行增量学习，采用梯度提升树模型进行建模，拟合一个基函数，得到可变滑动时间动态估计模型，所述基函数拟合的过程为：                                         （1）                               （2）                                       （3）基函数的训练步骤为：1）找到一组切分维度j和切分值S，使得所述切分维度j和切分值S满足公式（4），所述公式（4）为：        （4）其中，，，；2）用所述步骤1）输入的训练数据集（j, s）将输入空间划分为两个子区域，并采用公式（5）决定每个所述子区域相应的输出值，所述公式（5）为：                （5）3）递归地将每个子区域继续进行划分，使得每个子区域再划分为两个新的子区域，并采用步骤1）和步骤2）决定每个所述新的子区域相应的输出值，循环此步骤直至满足停止条件，所述停止条件由划归到子区域的最少样本数或者建立分类与回归树的最大深度决定；4）将所述输入空间划分为M个区域，采用公式（6）生成分类与回归树，所述公式（6）为：                                      （6）；将主要影响参数的实际数据输入到所述可变滑动时间动态估计模型中，估计出可变滑动时间的概率分布，计算出期望值，所述期望值即为可变滑动时间；对所述可变滑动时间进行可视化展示；利用可视化展示的可变滑动时间期望值，进行航空器的放行排序。