考虑天气因素影响的离港航班滑出时间预测

针对现有滑出时间预测研究成果未考虑天气因素影响的问题，基于航空例行天气报告(meteorological terminal aviation routine weather report，METAR)，构建了考虑天气因素的离港航班滑出时间预测模型。首先，通过分析航空器场面运行态势，厘清了进离港航班滑行过程的时空交叠关系，重新定义了滑出时间的影响因素，并分别阐述了航班运行数据和气象数据的分析流程。基于相关性分析结果构建了滑出时间的反向传播（back propagation，BP）神经网络预测模型，并采用蝗虫优化算法(grasshopper optimization algorithm，GOA)对模型进行优化。以深圳宝安机场2周的实际运行数据对模型进行了验证，结果表明：（1）天气因素是滑出时间的主要影响因素之一，引入量化后的天气因素可显著提升滑出时间预测结果。（2）重新定义的同时段推出及滑行的进离港航班数量、进离港队列的概念和数据样本更加精准，相关性分析结果更加客观。（3）基于GOA-BP的滑出时间预测结果精度有明显提升，MAE和RMSE分别减少了11.40 s、12.62 s，MAPE提升了0.37%；±3 min和±5 min的准确率分别高达81%和94%。

Prediction of Departure Flights' Taxi-out Time Considering Weather Factors