离港航班滑出时间的支持向量机预测模型 |
| |
引用本文: | 夏正洪,贾鑫磊.离港航班滑出时间的支持向量机预测模型[J].科学技术与工程,2022,22(25):11262-11267. |
| |
作者姓名: | 夏正洪 贾鑫磊 |
| |
作者单位: | 中国民航飞行学院 |
| |
基金项目: | 国家自然科学基金项目(面上项目,重点项目,重大项目) |
| |
摘 要: | 为解决BP神经网络在离港航班滑出时间预测精度欠佳的问题,构建了基于支持向量机(Support Vector Mac, SVM)的离港航班滑出时间预测模型。首先,分析了影响离港航班滑出时间的可量化因素,构建了基于相关性分析的离港航班滑出时间预测模型;并对比分析了基于SVM和BP神经网络的滑出时间预测结果。结论表明:(1)离港航班滑出时间与同时段推出航班数量、同时段起飞航班数量、同时段落地航班数量、1小时平均滑出时间呈现强相关性,与滑行距离、转弯个数、延误时间相关但不显著,与起飞时刻所在时段不相关。(2)基于SVM和BP神经网络的预测结果趋势是一致的,考虑强相关和中度相关影响因素的七元组预测结果准确率达到最佳;引入不相关因素后模型的预测精度会下降。(3)基于SVM的滑出时间预测模型精度显著高于BP神经网络预测模型,滑出时间误差范围在内的预测准确率可达98%。
|
关 键 词: | 滑出时间预测 SVM BP神经网络 相关性分析 |
收稿时间: | 2021/11/16 0:00:00 |
修稿时间: | 2022/5/31 0:00:00 |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|