基于CliqueNet的航班延误预测及可视化方法研究

发布时间：2023-03-12 17:23

　　随着现代化的强劲步伐,尤其是民航运输业的快速发展,同时伴随着人工智能、大数据技术等数据信息技术的高速变革。其深度学习技术已经服务于各行各业。针对民航运输业延误率较高,传统算法难以满足高精度延误预测的问题,提出基于大数据的深度学习方法进行航班延误的高精度预测。旨在通过高效智能的深度学习算法挖掘数据背后的客观规律。并且将其预测结果进行可视化展示,为智慧民航提供决策参考。论文主要工作内容如下所示:首先,针对传统算法模型使用的数据量较小,数据维度较低等问题。论文结合实际中可能对航班产生影响的因素,考虑了包含航班信息、天气信息、关联机场等高维度的海量数据进行航班延误预测。先对国内外数据集的特征属性进行介绍,再分别进行数据预处理操作,利用主键关联的方式将各个维度的特征属性融合,最终转换成输入到模型中的特征矩阵。其次,针对航班延误预测模型需要的较强的数据处理能力,以拟合高维度的海量数据,提出一种团簇随机连接网络(Randomly Connected Clique Network,CliqueNet)航班延误预测模型,以仿生网络结构对海量航班数据背后的客观规律进行特征提取,最终以Softmax分类器给...

【文章页数】：69 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 国内外研究现状
        1.2.1 航班延误预测研究现状
        1.2.2 数据可视化研究现状
    1.3 本文主要研究工作
    1.4 本文组织结构
第二章 航班延误预测数据预处理
    2.1 引言
    2.2 数据集介绍及属性特征定义
        2.2.1 美国数据集介绍
        2.2.2 国内数据集介绍
    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Clique Net的航班延误预测方法
    3.1 引言
    3.2 Clique Net预测模型设计
        3.2.1 团簇Clique Net网络描述
        3.2.2 随机连接团簇
        3.2.3 Transition层
    3.3 Clique Net预测模型训练
        3.3.1 网络参数
        3.3.2 网络训练
    3.4 Clique Net预测模型优化
        3.4.1 基于瓶颈-压缩的优化
        3.4.2 基于Padding技术的优化
    3.5 航班延误预测
        3.5.1 航班延误预测分类
        3.5.2 分类结果混淆矩阵
    3.6 实验分析
        3.6.1 实验环境和参数配置
        3.6.2 国外数据实验结果
        3.6.3 退化学习率实验
        3.6.4 国内数据实验结果
        3.6.5 不同模型实验结果比较
    3.7 本章小结
第四章 航班延误数据可视化
    4.1 引言
    4.2 大数据可视化介绍
        4.2.1 信息可视化技术介绍
        4.2.2 开发关键技术介绍
    4.3 航班延误地图可视化
        4.3.1 全国延误等级热力图展示
        4.3.2 美国延误等级统计图展示
    4.4 航班信息可视化
        4.4.1 航班信息展示
        4.4.2 延误数据统计可视化
    4.5 航班延误可视化
        4.5.1 航班延误可视分析
        4.5.2 航班延误波及可视化方法
    4.6 本章小结
第五章 总结与展望
致谢
参考文献
攻读硕士期间取得的成果



本文编号：3761633