基于观察学习的航班备降概率分布预测模型

发布时间：2017-07-02 18:09

  本文关键词：基于观察学习的航班备降概率分布预测模型

  更多相关文章： 观察学习 小样本问题 概率分布 贝叶斯学习 航班备降

【摘要】：航班备降是保证飞行安全的重要一环。目前机场存在特定时段停机位不足的问题,导致航班无法顺利备降,严重影响了航班的运行安全。航班备降概率分布是合理预留停机位的重要依据,也为机场、航空公司合理调度相关资源提供参考。因此,科学合理的构建航班备降概率分布预测模型十分必要。由于航班备降数据集是小样本数据集,本文采用松弛属性约束的思想克服小样本问题,并提出来了基于观察学习的概率分布预测模型。在训练阶段,该模型采用了改进的分段三次样条插值函数训练观察学习的基学习器;在观察阶段,利用混合的虚拟数据生成机制促使基学习器之间相互学习,并提高了算法的泛化能力和精度。各基学习器不断地进行训练-观察-再训练过程,最终达成一致并输出最终的概率分布函数。为充分利用历史数据,建立了以优化观察学习信任度等参数为目标的非线性规划模型。该模型既充分利用了旧数据中隐含的属性间的关系特征,又避免了旧数据直接参与训练的弊端。然后采用模拟退火算法求解该模型,求解出更加适合的信任度等参数,并提高了预测模型的准确性。建立了航班备降概率预测模型,并分别采用贝叶斯模型和观察学习模型预测航班备降概率分布。在航班运行数据集的实验结果表明,基于观察学习的概率分布预测算法的预测效果优于基于贝叶斯的概率分布预测算法。最后采用观察学习算法预测的=航班的概率分布,并为不同备降架次给出相应的置信水平,可为相关部门决策提供支持。
【关键词】：观察学习 小样本问题 概率分布 贝叶斯学习 航班备降
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V355;V328
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-15
• 1.1 研究背景与意义9-10
• 1.2 研究现状10-13
• 1.3 主要研究内容13-14
• 1.4 章节安排14-15
• 第二章 相关理论15-24
• 2.1 概率与概率分布15-16
• 2.2 集成学习理论16-21
• 2.2.1 集成学习概念与作用16-17
• 2.2.2 传统的集成学习方法17-20
• 2.2.3 观察学习机制20-21
• 2.3 模拟退火算法21-23
• 2.4 本章小结23-24
• 第三章 基于观察学习的概率分布预测算法24-44
• 3.1 观察学习算法24-31
• 3.1.1 观察学习原理24-25
• 3.1.2 基于松弛属性约束的子集抽取方法25-27
• 3.1.3 基于非参数学习的概率分布生成方法27-29
• 3.1.4 基于混合策略的虚拟数据生成方法29-31
• 3.2 观察学习参数的优化31-38
• 3.2.1 观察学习算法的参数优化模型31-33
• 3.2.2 基于模拟退火的求解算法33-35
• 3.2.3 概率分布差异度的度量35-38
• 3.3 实验与分析38-43
• 3.4 本章小结43-44
• 第四章 航班备降概率分布的预测44-61
• 4.1 航班备降概率分布预测问题建模44-49
• 4.1.1 问题描述44-46
• 4.1.2 数据预处理46-49
• 4.2 航班备降概率分布贝叶斯预测模型49-53
• 4.2.1 朴素贝叶斯预测算法49-51
• 4.2.2 贝叶斯网预测算法51-53
• 4.3 航班备降概率分布观察学习预测模型53-55
• 4.4 实验与分析55-60
• 4.5 本章小结60-61
• 第五章 总结与展望61-63
• 5.1 总结61-62
• 5.2 展望62-63
• 参考文献63-68
• 致谢68-69
• 作者简介69

  本文关键词：基于观察学习的航班备降概率分布预测模型，由笔耕文化传播整理发布。

，

本文编号：510964