中国安全科学学报

作者：李善梅, 周相志

单位：中国民航大学 空中交通管理学院,天津 300300

关键词：序列到序列(S2S)-卷积神经网络(CNN)-门控循环单元(GRU)模型,离港航班,延误预测,神经网络,特征提取

基金：国家自然科学基金资助(78101215); 天津市自然科学基金资助(21JCZDJC00780); 中央高校基本科研业务费专项资金资助(312202YY02); 中央高校基本科研业务费专项资金资助(3122019129); 民航安全能力建设资金项目(SKZ49420220027)

为解决空中交通管理中机场离港航班延误预测难题,采用序列到序列(S2S)框架将门控单元循环网络(GRU)和卷积神经网络(CNN)相结合,提出一种基于S2S-CNN-GRU的航班延误预测模型,主要采用序列到序列的框架结构,利用CNN来捕获机场航班延误状态的结构化特征,作为编码器的输入,利用GRU捕获延误状态的时间特征,并作为解码器输出预测结果,提高预测的准确性。采用美国实际数据检验该模型的有效性,并同其他模型进行对比。结果表明:基于S2S-CNN-GRU的航班延误预测模型预测的平均绝对误差(MAE)为3.03,均方根误差(RMSE)为5.82,明显优于其他模型的预测效果。

来源：2023年第8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2023年第8期