航班延误时间序列的混沌特征分析及短时预测

摘要

针对航班延误时间序列的混沌特性,建立基于极限学习机(extreme learning machine,ELM)的混沌短时预测模型,对机场航班延误状况进行预测。首先,结合某枢纽机场2018年进离场航班延误架次、延误率和平均延误时长等航班延误状况时间序列,运用小数据量法对序列进行混沌识别;进而,根据递归图理论分析序列的混沌特征,并进行序列的可预测分析;最后,建立基于ELM的混沌预测模型对不同航班延误状况进行预测。结果表明:6个航班延误状况时间序列均符合混沌特性;进场航班延误架次的可预测性最高,进、离场航班平均延误时间长的可预测性均较低;通过本文预测方法对进、离场航班延误架次的预测效果较佳,均方根误差分别为4.5209和4.5243,证明该预测方法有效、可行。