考虑周期性波动因素的航班离港延误时间预测

摘要

造成航班延误有很多潜在且不确定的因素,目前尚未有方法可以有效地避免航班的大面积延误.论文基于GLO机场延误特性的分析为基础,筛选与机场航班离港延误时长相关的因素并添加周期性变量共计13个特征变量建立训练集进行深度学习.利用RBFNN、BPNN、WNN,进行对比仿真实验,仿真结果表明考虑周期性波动因素的模型较原模型预测准确度提高,其中RBF神经网络模型预测准确度最高,仿真结果:±10min、±5min、±3min容差内延误时长预测准确率分别为98％、94％、91％.