面向集成学习的航班离港延误状态预测

晋百川; 杨鸿波; 侯霞; 罗杰; 胡大胆

doi:10.13873/J.1000-9787(2023)09-0141-04

Chinese

您当前的位置：

首页 >

文章列表页 >

面向集成学习的航班离港延误状态预测

计算与测试 | 更新时间：2025-09-11

- 面向集成学习的航班离港延误状态预测
- 暂无标题
- 传感器与微系统 2023年第9期页码：141-144
- 作者机构：
  
  1. 北京信息科技大学自动化学院
  2. 北京信息科技大学计算机学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)09-0141-04
  中图分类号： V355;TP181
- 纸质出版：2023
- 稿件说明：
移动端阅览
晋百川, 杨鸿波, 侯霞, 等. 面向集成学习的航班离港延误状态预测[J]. 传感器与微系统, 2023,(9):141-144.
晋百川, 杨鸿波, 侯霞, 等. 面向集成学习的航班离港延误状态预测[J]. 传感器与微系统, 2023,(9):141-144. DOI： 10.13873/J.1000-9787(2023)09-0141-04.

DOI：

摘要

为了消除特征维度不足和稀疏数据对预测模型带来的负面影响，提出一种基于奇异值分解(SVD)和集成学习的航班离港延误预测方法。使用SVD对类别特征信息挖掘的同时，增加特征维度；采用LightGBM作为集成学习的特征转换器，将树中每个叶节点信息作为特征向量送入到Logistic模型进行离港延误预测。实验结果表明：SVD和集成学习方法均能够大幅度提高预测准确度，准确度达94.9%

为航空枢纽提供重要的参考和使用价值。

Abstract

关键词

Keywords

references

基于多变量LSTM的GPS坐标时间序列预测模型[J]. 胡向阳;孙宪坤;尹玲;李世玺;张仕森.传感器与微系统,2021(03)

基于时效信息和深度学习的离港航班延误预测[J]. 徐海文;付振宇;傅强.科学技术与工程,2020(34)

基于支持向量回归和线性回归的航班延误组合预测[J]. 王语桐;朱金福;马思思.武汉理工大学学报(交通科学与工程版),2019(03)

基于梯度提升决策树的航班延误分类预测[J]. 刘金元;丁勇;李涛.数学的实践与认识,2018(04)

基于Logistic模型的大面积航班延误预测方法研究[J]. 曹悦琪;贾奇.交通信息与安全,2017(01)

基于贝叶斯网络的机场航班延误因素分析[J]. 邵荃;罗雄;吴抗抗;韩松臣.科学技术与工程,2012(30)

A deep learning approach to predict the spatial and temporal distribution of flight delay in network[J]. Ai Yi;Pan Weijun;Yang Changqi;Wu Dingjie;Tang Jiahao.Journal of Intelligent & Fuzzy Systems,2019

Indicator of serious flight delays with the approach of time-delay stability[J]. Yan-Jun Wang;Yun-Feng Zhu;Chen-Ping Zhu;Fan Wu;Hui-Jie Yang;Yong - Jie Yan;Chin-Kun Hu.Physica A: Statistical Mechanics and its Applicat,2018

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于毫米波MIMO雷达的人体生命体征检测方法

基于集成学习模型的光纤陀螺温度漂移补偿