声明
致谢
1 引言
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 航空网络
1.2.2 航班延误预测研究
1.2.3 航班延误传播研究
1.2.4 研究现状小结
1.3 论文主要工作及结构安排
1.3.1 论文主要工作
1.3.2 论文结构安排
2 数据及理论方法
2.1 数据
2.1.1 航班延误数据
2.1.2 天气数据
2.2 复杂网络理论基础
2.2.1 复杂网络的概念
2.2.2 拓扑指标计算
2.3 K-modes聚类算法
2.3.1 原理
2.3.2 方法步骤
2.4 LSTM神经网络
2.4.1 遗忘门
2.4.2 输入门
2.4.3 输出门
2.5 随机森林算法
2.6 本章小结
3 航空网络拓扑结构及离港延误特征
3.1 航空网络拓扑结构特征
3.1.1 航空网络的构造
3.1.2 航空网络的拓扑指标计算
3.2 延误传播的可能范围
3.3 航空网络离港延误状态
3.3.1 边的离港延误状态
3.3.2 航空网络离港延误状态
3.4 本章小结
4 航空网络离港延误预测
4.1 相关概念
4.1.1 航班离港延误和航班到港延误
4.1.2 边和节点的离港延误和到港延误
4.2 输入变量
4.2.1 时间
4.2.2 出发点天气
4.2.3 影响最大的节点的离港延误和到港延误
4.3 离港延误预测
4.3.1 模型性能评价指标
4.3.2 预测结果
4.4 本章小结
5 不同干扰情况下的延误消解特性
5.1 相关概念
5.1.1 航班经过时间
5.1.2 航空网络非负离港延误
5.2 模型
5.2.1 模型的输入
5.2.2 模型机制
5.2.3 模型验证
5.3 不同干扰情况下的延误消解特性
5.4 本章小结
6 总结与展望
6.1 总结
6.2 创新点
6.3 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;