基于支持向量机回归的机场航班延误预测

taptap下载安装安卓学报

基于支持向量机回归的机场航班延误预测

何洋，朱金福，周秦炎

（南京航空航天大学民航学院，南京211106）

收稿日期:2017-03-13 修回日期:2017-04-14 出版日期:2018-02-24 发布日期:2018-01-17
作者简介:何洋（1993—），女，江苏连云港人，硕士研究生，研究方向为交通运输优化仿真.
基金资助:
国家自然科学基金项目（71201081）；南京航空航天大学研究生创新实验竞赛培育项目

Airport flight delay prediction based on SVM regression

HE Yang, ZHU Jinfu, ZHOU Qinyan

（College of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China）

Received:2017-03-13 Revised:2017-04-14 Online:2018-02-24 Published:2018-01-17

摘要/Abstract

摘要： 航班延误情况的预测对于繁忙机场意义重大。针对繁忙机场的进离港延误航班数量和延误时间难以预测的问题，采用支持向量机回归方法建立航班进离港延误预测模型。首先根据已有的航班运营数据，利用向后逐步选择算法，分别挖掘出与机场单位小时进离港延误航班数和总延误时间最为相关的因素，并将其作为预测变量来预测延误水平。其次，利用Grid-Search 和交叉检验法选择最优的模型参数。最后，使用洛杉矶机场与浦东机场航班起降数据来训练模型，并将真实数据集作为输入变量分别用于多元线性回归模型和支持向量机回归模型，比较航班延误预测效果。结果表明：支持向量机回归模型能够很好预测航班延误的趋势，较为准确地预测航班延误。

关键词: 航班延误, 支持向量机回归, 向后逐步选择

Abstract: Flight delay prediction is significant for busy airports. Aiming at the difficulty of predicting the number and duration of delays in busy airport flights, SVM(support vector machine) regression method is used to establish the flight arrival/departure delay prediction model. First of all, according to the flight operating data, data mining and backward stepwise selection algorithm are used to determine the most relevant factors of number and duration of delay per hour respectively. Secondly, grid-search and cross-check methods are used to select the optimal model parameters. Finally, historical data of LAX(Los Angeles International Airport)and PVG(Pudong International Airport)are used to train the model, and multivariate linear regression model and SVM regression model are applied to test the current model. Comparison results show that the SVM regression model can achieve better prediction effect.

Key words: flight delay, SVMregression, backward stepwise selection

中图分类号:

V355
U8

何洋，朱金福，周秦炎. 基于支持向量机回归的机场航班延误预测[J]. taptap下载安装安卓学报.

HE Yang, ZHU Jinfu, ZHOU Qinyan. Airport flight delay prediction based on SVM regression[J]. .

参考文献

[1] 黄荣顺, 谢世娜, 罗晓, 等. 基于回归分析的机场拥挤预测问题研究[J].数学的实践与认识, 2015, 45(2): 89-96.
[2] 程华,李艳梅, 罗谦,等.基于C4.5 决策树方法的到港航班延误预测问题研究[J].系统工程理论与实践, 2014, 34(S1): 239-247.
[3] 李俊生, 丁建立. 基于贝叶斯网络的航班延误传播分析[J]. 航空学报, 2008, 29(6): 1598-1604.
[4] 罗赟骞,陈志杰,汤锦辉, 等. 采用支持向量机回归的航班延误预测研究[J].交通运输系统工程与信息, 2015, 15(1): 143-149.
[5] 刘小飞. 基于数据挖掘的航班延误预测模型及方法的研究[D]. 南京:南京航空航天大学, 2010.
[6] 李善梅, 徐肖豪, 王飞. 基于需求不确定性的机场拥挤风险预测模型与方法[J].西南交通大学学报, 2013, 48(1): 154-159.
[7] HELLWIG M D. Predicting Irregular Flight Operations Using a Binary Machine Learning Approach Based on National Meteorological Data[D].Dissertations &Theses, 2014.
[8] ABDELGHANY K F, SHAH S S, RAINA S, et al. A model for projecting flight delays during irregular operation conditions[J]. Journal of Air Transport Management, 2004, 10(6): 385-394.
[9] 加雷斯·詹姆斯.统计学习导论[M].北京:机械工业出版社, 2015.
[10] 孙德山. 支持向量机分类与回归方法研究[D]. 长沙: 中南大学,2004.
[11] XIAOT, REND, LEI S, et al. Based on Grid-Search and PSO Parameter Optimization for Support Vector Machine[C]//Intelligent Control and Automation, IEEE, 2014.
[12] 王健峰, 张磊, 陈国兴,等. 基于改进的网格搜索法的SVM 参数优化[J]. 应用科技, 2012, 39(3): 28-31.
[13] 徐永俊.基于混沌和SVR的短时交通流预测方法研究[D]. 成都: 西南交通大学, 2011.
[14] 黄舒宁.基于数据挖掘技术的短期电力负荷预测[D]. 福建: 华侨大学, 2007.