基于改进贝叶斯网络结构学习的航班延误波及分析

摘要

控制和减少航班延误是国内外民航管理工作的一个长期主要任务。通过航班数据分析，挖掘数据内在特征，并找出其中的延误与波及变化趋势，对航班延误问题的研究有重要指导意义。
　　 本文采用定性分析和定量分析相结合的方法深入研究了航班延误的理论问题，应用贝叶斯网络理论建立实际航班数据的贝叶斯网络模型，分析航班延误影响因素之间的因果关系，给出不同条件下航班延误的概率分布情况。重点研究了贝叶斯网络结构学习的理论方法问题。
　　 第一章概述，介绍了航班延误问题的提出，航班延误与波及问题特性分析，总结了国内外研究现状；描述了基于贝叶斯网络学习的知识发现过程；给出本文主要研究思路。
　　 第二章介绍贝叶斯网络学习，描述贝叶斯网络学习的基本概念，讨论了贝叶斯网络参数学习、贝叶斯网络结构学习、评分模型以及模型优化的主要方法。
　　 第三章提出了高评分优先遗传模拟退火贝叶斯网络结构学习算法，把解决组合优化问题的模拟退火搜索算法和遗传算法应用于贝叶斯网络的结构学习，有效避免高分个体误导种群发展方向所带来的早熟问题，以提高贝叶斯网络结构学习的精度。
　　 第四章提出了基于遗传禁忌搜索的贝叶斯网络结构学习算法，将禁忌搜索算法的思想应用于基于遗传算法的贝叶斯网络结构学习中，进一步改进了遗传算法的交叉和变异操作过程，以提高贝叶斯网络结构学习的效率。
　　 第五章采用数据挖掘典型数据集对本文提出的改进的贝叶斯网络结构学习算法HSPGSA和GATS进行实验分析，与传统的结构学习算法做了对比性研究，说明了方法的有效性和优越性。
　　 第六章构建了航班数据的贝叶斯网络模型。
　　 在以上理论研究的基础上，采集了实际民航航班数据，分别学习构建了大型枢纽机场航班离港延误模型，大型航空公司连续航班延误波及模型，进行了航班延误波及分析，分析结果有助于领导层进行航班延误相关问题管理决策。

目录

文摘

英文文摘

声明

第一章概述

1.1问题的提出

1.2研究意义

1.3航班延误与波及问题概述

1.3.1航班延误问题

1.3.2离港延误

1.3.3连续航班延误与波及

1.4航班延误与波及问题国内外研究现状

1.5基于贝叶斯网络学习的知识发现

1.6主要研究思路及方法

1.7论文框架

第二章贝叶斯网络学习

2.1贝叶斯概率

2.2贝叶斯网络

2.3贝叶斯网络参数学习

2.3.1完备数据集下参数的学习

2.3.2不完备数据集下的参数学习

2.4贝叶斯网络结构学习

2.4.1基于搜索评分的结构学习

2.4.2模型选择

2.4.3模型优化

2.5本章小结

第三章高评分优先遗传模拟退火贝叶斯网络结构学习算法

3.1基于模拟退火算法的贝叶斯网络结构学习

3.1.1模拟退火算法基本思想

3.1.2基于模拟退火算法的贝叶斯网络结构学习

3.2基于遗传算法的贝叶斯网络结构学习

3.2.1遗传算法基本思想

3.2.2基于遗传算法的贝叶斯网络结构学习

3.3高评分优先遗传模拟退火贝叶斯网络结构学习算法-HSPGSA

3.3.1 HSPGSA算法框图

3.3.2 HSPGSA算法描述

3.4本章小结

第四章基于遗传禁忌搜索的贝叶斯网络结构学习算法

4.1禁忌搜索算法的基本思想

4.1.1禁忌搜索算法描述

4.1.2禁忌搜索算法特点

4.2基于遗传禁忌搜索的贝叶斯网络结构学习算法-GATS

4.2.1 GATS算法框图

4.2.2基于禁忌搜索的遗传算子的改进

4.2.3 GATS算法描述

4.3本章小结

第五章改进的贝叶斯网络结构学习算法实验分析

5.1实验数据集

5.2实验统计量

5.3实验分析

5.3.1实验描述

5.3.2数据分析

5.3.3贝叶斯网络结构学习结果

5.4本章小结

第六章航班延误波及分析

6.1基于HSPGSA的机场航班离港延误模型的建立

6.1.1数据来源与数据描述

6.1.2 HSPGSA算法参数描述与设置

6.1.3机场航班离港延误模型结构

6.2枢纽机场航班离港延误分析

6.2.1正常航班情况描述

6.2.2离港延误情况分析

6.2.3机场主要航空公司航班离港延误统计

6.3基于GATS的航空公司连续航班延误波及模型的建立

6.3.1数据来源与数据描述

6.3.2 GATS算法参数描述与设置

6.3.3航空公司连续航班延误波及模型结构

6.4航空公司连续航班延误波及分析

6.4.1参数学习

6.4.2连续航班延误原因分析

6.4.3连续航班过站时间分析

6.4.4连续航班延误波及分析

6.4.5测试误差

6.5本章小结

总结与展望

1论文工作总结

2创新点

3研究展望

参考文献

附 录

发表论文和科研情况说明

致 谢