基于级联模型的航班撤轮挡时刻预测

发布时间：2020-08-02 13:34

【摘要】：一个合理的协同离场前航班排序可以提高机场、航空公司、空管等部门的运行效率和可预测性,减少航班起飞前的等待时间。其中航空公司通过目标撤轮挡时刻来表达航班起飞的先后秩序的偏好。目标撤轮挡时刻是指航空器在起飞准备就绪、所有舱门关闭、廊桥撤离、推车可用并且收到开车许可后可立即推出的时刻。及时、准确、稳定的目标撤轮挡时刻是建立航班起飞顺序的先决条件,同时,对调整航班起飞顺序和计算航班起飞时刻具有决策意义。本文通过研究航班过站保障过程,在航班过站保障过程的不同时刻分别对航班的实际撤轮挡时刻即航班撤轮档时刻进行预测,为评估目标撤轮挡时刻提供参考。通过对航班过站保障过程的研究发现,航班撤轮挡时刻与里程碑事件时刻及其他航班过站保障时刻之间具有一定的关联性,因此,本文提出了一个利用里程碑事件时刻与航班过站保障时刻的基于级联BP神经网络的航班撤轮挡时刻预测模型。首先,以BP神经网络作为模型组件,构建级联模型,在航班过站过程的不同时刻分别进行航班撤轮挡预测。其次,通过研究不同航班的过站时长,采用数据划分的方法来解决实验过程中出现的过拟合现象。实验表明,在航班进港前,预测误差为±15分钟的预测准确率可以达到84.9%。在航班入位时、航班值机结束时、航班客舱门关闭时预测准确率均可以达到95%以上,好于目前采用的经验统计预测模型。在研究过程中发现,航班的离港时刻对航班撤轮挡时刻的预测准确率具有一定的影响,并且,以随机数的方式对BP神经网络的初始权值及阈值进行初始化往往会导致预测结果的不稳定,使最终结果并非最优解。针对上述情况,首先,验证航班离港时刻对航班撤轮挡时刻的预测的影响,并根据航班离港时刻的不同,对实验数据进行划分。其次,采用遗传算法对BP神经网络的初始权值与阈值进行优化。实验表明,遗传算法优化的BP神经网络不仅使预测结果更加稳定,而且具有更高的预测精度。
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V355.1;TP183
【图文】：

航班,走势图,预测误差,过拟合

图 3-5 航班入位时预测误差走势图 Dropout 方法的过拟合研究决过拟合问题，首先采用了 Dropout 的方法。设置隐含层节点失时预测实验为例，经 Dropout 处理后的 BP 神经网络的训练误 3-6 所示。

航班,数据划分方法,枢纽机场,飞行计划

32图 3-6 Dropout 后误差变化图6 可见，Dropout 方法减小了过拟合现象，但预测结果并不稳于在大型枢纽机场中，不同类型航班的过站保障时间具有十分的无法充分地对所有的航班进行学习，因此导致预测误差呈现数据划分方法的过拟合研究航班飞行计划时，航空公司会针对不同类型的航班分别进行安

航班,数据划分方法,枢纽机场,飞行计划

【相似文献】