中国安全科学学报

作者：李善梅, 王端阳, 唐锐, 李艳伟, 李锦辉, 纪亚宏

单位：1 中国民航大学 空中交通管理学院,天津 300300；2 中国民用航空局 运行监控中心,北京 100710；3 中国民航大学 经济与管理学院,天津 300300

关键词：时空关联规则,长短时记忆(LSTM),机场进港,延误等级,延误预测,空中交通管理

基金：天津市自然科学基金资助(24JCYBJC01170); 民航安全能力建设资金资助(ZH2025004); 民航安全能力建设资金资助(SKZ49420220027); 中国民航大学研究生科研创新项目(2024YJSKC03001)

为提升空中交通运行安全,提出一种基于时空关联规则挖掘和深度学习相结合的延误等级预测方法。首先,选取平均航班延误时间和延误率作为机场进港延误度量指标,并分析其时空关联特性;其次,基于模糊C均值(FCM)聚类算法划分机场进港延误等级,并在此基础上,基于频繁模式增长(FP-Growth)算法挖掘机场进港延误的时空关联规则;然后,基于规则数据以及延误指标数据构建样本数据,作为长短时记忆(LSTM)模型的输入,输出为未来时段机场进港延误等级,同时引入注意力机制,学习不同规则对预测结果的影响程度;最后,采用美国航班数据进行算例分析。结果表明:总体预测的平均准确率达到0.91,不同时段的预测准确率均在80%以上,注意力层网络的连接权重可解释预测结果。

来源：2025年第4期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第4期