基于深度SE-DenseNet的航班延误预测方法研究

发布时间：2023-02-01 12:16

　　目前,大数据和人工智能技术的飞速发展惠及了各行各业。在民航领域,智慧机场、智慧空管的概念也早已提出,大量智能化民航应用逐渐落地,航班延误是民航领域一直关注的重难点问题,迫切需要实现高精度的延误预测。因此,本文以此为目标,提出利用基于大数据深度学习的方法进行航班延误预测,旨在通过高效智能的算法挖掘延误数据的潜在价值,为空管、机场、航空公司等相关部门决策提供参考。论文主要研究工作如下:首先,论文在结合航班自身数据特征、考虑航班延误多种影响因素的前提下,利用大数据分析技术分别对航班自身信息、天气信息、关联机场延误波及属性数据进行预处理,研究三种特征信息对航班延误的影响程度。详细介绍了三种数据集的特征属性含义以及数据预处理过程。同时,为进一步提高航班延误预测的精度,提出了一种数据融合的方法,利用关联主键合并的方式将三种特征信息同时输入网络中。其次,针对传统卷积神经网络（Convolutional Neural Networks,CNN）深层训练时特征信息易损失导致梯度消失的现象,基于DenseNet（Densely Connected Convolutional Networks）算法构建航班... 

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外发展现状
        1.2.1 航班延误预测研究现状
        1.2.2 卷积神经网络算法研究现状
    1.3 本文主要研究工作
    1.4 本文组织结构
第二章 航班延误预测数据集预处理
    2.1 引言
    2.2 数据集介绍及特征属性定义
    2.3 数据预处理
        2.3.1 数据清洗
        2.3.2 特征编码
        2.3.3 数据融合
    2.4 本章小结
第三章 基于DenseNet算法的航班延误预测模型
    3.1 引言
    3.2 DenseNet预测模型的设计
        3.2.1 网络描述
        3.2.2 特征提取
        3.2.3 分类预测
    3.3 DenseNet预测模型的训练
        3.3.1 前向传播
        3.3.2 反向传播
    3.4 DenseNet预测模型的优化
        3.4.1 基于瓶颈-压缩(BC)层的优化
        3.4.2 基于Padding技术的策略优化
    3.5 实验结果分析
        3.5.1 实验环境及模型参数配置
        3.5.2 BC层对模型参数的影响
        3.5.3 航班延误预测实验
    3.6 本章小结
第四章 基于SE-DenseNet的航班延误预测模型研究
    4.1 引言
    4.2 SE-DenseNet预测模型的设计
        4.2.1 网络描述
        4.2.2 特征提取
        4.2.3 分类预测
    4.3 SE-DenseNet预测模型的训练
        4.3.1 前向传播
        4.3.2 反向传播
    4.4 SE-DenseNet预测模型的优化
        4.4.1 基于维度变化比率γ的优化
        4.4.2 基于卷积复合函数的优化
    4.5 实验结果分析
        4.5.1 实验环境及模型参数配置
        4.5.2 维度变化比率γ对模型性能的影响
        4.5.3 SE-DenseNet结构验证分析
        4.5.4 不同航班延误影响因素分析
        4.5.5 不同航班延误预测模型对比
    4.6 本章小结
第五章 总结与展望
参考文献
致谢
攻读硕士期间取得的研究成果


【参考文献】：
期刊论文
[1]基于双通道卷积神经网络的航班延误预测模型[J]. 吴仁彪,李佳怡,屈景怡.  计算机应用. 2018(07)
[2]推动民航高质量发展 开启新时代民航强国建设新征程[J]. 冯正霖.  人民论坛. 2018(05)
[3]基于卷积神经网络的车牌字符识别[J]. 董峻妃,郑伯川,杨泽静.  计算机应用. 2017(07)
[4]基于复杂网络的空中交通特征与延误传播分析[J]. 武喜萍,杨红雨,韩松臣.  航空学报. 2017(S1)
[5]基于贝叶斯网络的航班保障服务时间动态估计[J]. 邢志伟,唐云霄,罗谦.  计算机应用. 2017(01)
[6]基于复杂网络理论的航班延误波及分析[J]. 邵荃,朱燕,贾萌,张海蛟.  航空计算技术. 2015(04)
[7]面向机场时段差异的航班延误免疫预测算法[J]. 丁建立,王曼,曹卫东,胡海生,黄威.  计算机工程与设计. 2015(04)
[8]采用支持向量机回归的航班延误预测研究[J]. 罗赟骞,陈志杰,汤锦辉,朱永文.  交通运输系统工程与信息. 2015(01)
[9]基于航班延误分布的机位鲁棒指派模型[J]. 李军会,朱金福,陈欣.  交通运输工程学报. 2014(06)
[10]基于航空信息网络的枢纽机场航班延误预测模型[J]. 罗谦,张永辉,程华,李川.  系统工程理论与实践. 2014(S1)

硕士论文
[1]双通道卷积神经网络深度学习方法研究[D]. 朱威.中国民航大学 2017
[2]航班延误引发旅客群体性事件处置对策优化研究[D]. 张孟.山东财经大学 2016
[3]基于数据挖掘的航班延误预警管理研究[D]. 张成伟.中国民用航空飞行学院 2016



本文编号：3734164