基于支持向量机的航路空域内对流天气避让预测

摘要

随着全球空中交通的快速发展,航班延误问题越来越严重.对流天气是造成航班延误的主要原因之一,已经影响到民航行业的可持续发展,成为一个社会问题.如果能够提前预测与天气有关的航班是否改航,那么空中交通活动的参与者就可以协调调度,极大减少航班延误.本文提出了天气避让预测模型(Weather avoidance prediction model,WAPM),以寻找天气与飞行轨迹之间的关系,并基于历史飞行数据预测未来航班是否改航.由于天气数据量大,采用主成分分析对10维天气指标进行降维以提取90％的信息.然后通过确定径向基函数的超参数c和γ,利用支持向量机来预测飞行是否改航.最后,通过预测准确率、精度、查全率和F1评价模型性能,并与k近邻(k nearest neighbor,kNN)、逻辑回归(Logistic regression,LR)、随机森林(Random forest,RF)和深度神经网络(Deep neural network,DNN)进行比较.对于准确率,WAPM比kNN、LR、RF和DNN方法分别高5.22％、2.63％、2.26％和1.03％;对于精度,WAPM比kNN、LR、RF和DNN方法分别大6.79％、5.19％、4.37％和3.21％;对于查全率,WAPM比kNN、LR、RF分别大4.05％、1.05％、0.04％,比DNN低1.38％;对于F1,WAPM比kNN、LR、RF和DNN方法分别高5.28％、1.69％、1.98％和0.68％.