计算机应用

作者：屈景怡, 杨柳, 陈旭阳, 王茜

单位：1.天津市智能信号与图像处理重点实验室(中国民航大学), 天津 300300；2.中国民用航空华北地区空中交通管理局 天津分局, 天津 300300

关键词：航班延误预测,时空序列,深度学习,卷积长短时记忆网络,气象信息,航班信息

基金：国家自然科学基金资助项目(U1833105);天津市自然科学基金资助项目(19JCYBJC15900)

精准的航班延误预测结果可以为大面积航班延误的预防提供巨大的参考价值。航班延误预测是在特定空间下做时间序列预测，然而目前已有预测方法多为两种或多种算法的结合，存在算法间的融合问题。针对上述问题，提出了一种综合考虑时空序列的卷积长短时记忆（Conv-LSTM）网络航班延误预测模型。所提模型在长短时记忆（LSTM）网络提取时间特征的基础上，将网络的输入和权重矩阵进行卷积来提取空间特征，从而充分利用数据集包含的时间和空间信息。实验结果表明，与LSTM、仅考虑空间信息的卷积神经网络（CNN）模型相比，Conv-LSTM模型的准确率分别提高了0.65个百分点和2.36个百分点。由此可见，同时考虑时空特性可以在航班延误问题中获得更精确的预测结果。此外，基于所提模型设计并实现了基于浏览器/服务器（B/S）架构的航班延误分析系统，并且该系统也可以应用于空中交通管理局流量控制中心。

来源：2022年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第10期