基于监督式学习模型的航班延误分析与预测

摘要

随着民航业的快速发展，航班延误逐渐成为一个热点话题。航班延误成因较难解释，因为其可能受制于多重因素，例如天气原因，出发地或者目的地机场管理原因，航空公司管理原因，航空管制原因，前序航班原因，旅客原因等等，甚至多重原因叠加或多种原因形成连锁效应。
　　对于机场而言，尤其是规模较大的机场，航班延误将导致非常有限的航路、跑道、机场设施等资源分配计划被打乱，也可能导致旅客滞留，从而显著增加机场的安全、运营和调度压力，造成航空公司或旅客满意度下降。对航空公司而言，其营业利润严重依赖于每架飞机严格按照计划时刻表运营，每次航班延误将导致运营、维护和人力成本的增加，并可能导致后序的运营计划全部被打乱，后序航班持续延误或被迫取消，各种成本进一步上升。对旅客而言，航班延误为出行途中最不愿意碰到的情况，时间、精力因此而损耗，后序行程也因此受到影响。对于保险公司而言，航班延误的研究与预测也对其旅行保险、航班延误保险等险种的定价与经营有重要的意义。本文对于航班延误的分析与预测将有助于改进上述问题，帮助上述各方做更好的预判，实现各方收益的优化。
　　本文采用了机器学习中的有监督式学习的几种主流方法，对于全美2015年航班延误数据进行了分析和预测。在定性分析与预测阶段，使用了k-NN、C4.5、随机森林和支持向量机四种算法，并且通过引入新的解释变量的方法优化了模型的预测结果，优化后的模型对于特定航线的预测准确率可以达到80％左右。在定量分析与预测阶段，使用了线性回归模型对抽样数据进行了分析预测，并使用了随机梯度下降的计算方法对全年数据进行了预测分析，预测误差为21.2分钟。

目录

声明

摘要

1 介绍

1．1 背景描述

1．2 研究目的

1．3 论文结构

1．4 研究工具

2 统计学习理论模型

2．1 k-NN

2．2 C4．5

2．3 Random Forest

2．4 SVM

3 数据

3．1 数据描述

3．1．1 航班延误数据

3．1．2 天气数据

3．2 数据清理

3．2．1 数据结构

3．2．2 空值处理

3．3 数据加工

3．3．1 增加公众节假日字段

3．3．2 简化计划起飞和到达时间段

4 探索性分析

4．1 航空公司与延误

4．2 月份与延误

4．3 星期与延误

4．4 航班时间与延误

4．5 节假日与延误

5 归类分析

5．1 数据

5．2 C4．5模型与预测结果

5．3 随机森林模型与预测结果

5．4 SVM模型及其预测结果

5．5 k-NN模型及其预测结果

6 决策树和归类分析优化

6．1 决策树和归类分析评价

6．2 引入新变量

6．3 评价基准

6．4 优化后的分析结果

6．4．1 C4．5

6．4．2 Random Forest

6．4．3 SVM

6．4．4 k-NN

7 回归分析

7．1 线性回归

7．2 随机梯度下降回归(Stochastic Gradient Descent Regressor)

8 结论与不足

参考文献