基于数据挖掘的航班延误的分析与预测

摘要

近年来，伴随着民航出行需求的快速增长，航班量逐年递增，航班延误问题也日渐严重。当航班延误不可避免时，分析和总结航班延误的相关规律可以为减轻航班延误提供有效建议和有益参考。本文收集了某航空公司和OAG数据库的大量历史数据，采用统计学和数据挖掘相关方法发现海量数据背后潜藏的规律和知识。 本文通过统计历年航班数据找出导致航班延误的主要原因。利用决策树模型找到对当前航班延误类型影响最大的因素，同时分析了不同航班延误类型的出现条件，并得到了置信度在0.9以上的决策规则。 通过统计和分析不同因素下首航班和非首航班的航班延误率的变化，找到了影响首航班延误率和非首航班延误率的因素。采用TAN贝叶斯网络模型对首航班和非首航班的延误状态进行建模，得到了影响首航班和非首航班延误状态的主要因素，并且从定量角度分析了主要因素对于航班延误状态的影响程度，同时发现部分因素之间存在关联。 通过计算航班实际延误时间的均值、中位数、偏度等统计学指标，分析其变化趋势和极值代表的意义，得出了实际延误时间在不同月份和不同小时的变化规律。借助改进后的KNN模型建立了一种预测航班实际延误时间的模型，并根据RMSE和MAE选择使预测精度最高的最佳K值。 本文借助统计学和数据挖掘的方法得到了航班延误原因、航班延误率和航班延误时间的相关规律。这些研究结果对于航空公司认识航班延误规律和减少航班延误具有一定的参考价值。

目录

第一个书签之前

第一章 绪论

1.1 本文的选题背景和研究意义

1.1.1 选题背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 关于航班延误原因分析的研究现状和存在问题

1.2.2 关于航班延误预测的研究现状和存在问题

1.3 本文的研究内容与研究方法

1.3.1 研究内容

1.3.2 研究方法

1.3.3 技术路线

第二章 航班延误原因分析

2.1 航班的延误原因分析

2.2 不同类型的航班延误发生条件分析

2.2.1 决策树

2.2.2 决策树的特点

2.2.3 决策树的构造

2.2.4 构造航班延误类型的决策树

2.3 本章小结

第三章 航班延误率的分析和预测

3.1 航班延误率的定义

3.2 影响航班延误率的不同因素

3.3 不同因素对航班延误状态的影响

3.3.1 贝叶斯网络

3.3.2 TAN贝叶斯网络分析不同因素对航班延误状态的影响

3.4 本章小结

第四章 航班实际延误时间的分析和预测

4.1 航班实际延误时间的定义

4.2 航班实际延误时间的分析

4.2.1按照月份统计

4.2.2按照小时统计

4.3 航班延误时间的预测

4.3.1 KNN算法

4.3.2用KNN算法进行航班实际延误时间的预测

4.4 本章小结

第五章 总结和展望

5.1 研究工作总结

5.2 创新之处

5.3 研究展望

参考文献

致 谢

在学期间的研究成果及发表的学术论文