基于差分处理的EMD-LSTM短时空中交通流量预测

随着我国民航的飞速发展,终端区空中交通流量与日俱增,短时空中交通流量预测对于精准实施空中交通流量管理具有重要意义。为提高短时空中交通流量预测的准确性,提出了基于数据差分处理（Data differential processing）的经验模态分解（Empirical Mode Decomposition,EMD）和长短期记忆(long short-term memory,LSTM) 相结合的短时空中交通流量预测模型。首先,该模型对短时空中交通流量序列进行经验模态分解;其次,为了提高预测精度,运用数据差分对时间序列进行平稳化处理;最后,将平稳处理后的序列分别输入LSTM网络模型进行预测,经过数据重构,得到最终的短时流量预测值。利用郑州新郑国际机场数据进行了实验验证,结果表明,该模型预测精度和拟合程度的典型指标RSME、MAE、R2分别为0.29,0.08,96.40%,相较于其他方法,预测精度大幅度提高,可以为短时空中交通流量预测提供有益参考。