论文摘要
针对目前民航运输业对机场延误预测高精度的要求,提出一种基于区域残差和长短时记忆（RR-LSTM）网络的机场延误预测模型。首先,将机场的属性信息、气象信息和相关运行航班信息进行融合;然后,利用RR-LSTM网络对融合后的机场数据集进行特征提取;最后,构建Softmax分类器对机场延误分类预测。所提RR-LSTM网络模型既能有效提取机场延误数据的时间相关性,又能避免深层LSTM网络的梯度消失问题。实验结果表明,RR-LSTM网络模型预测准确率可达95.52%,取得了比传统网络模型更好的预测效果。其中,融合机场的气象信息和相关运行航班信息后,预测准确率可提高约11%。
论文目录
文章来源
类型: 期刊论文
作者: 屈景怡,叶萌,渠星
关键词: 区域残差网络,长短时记忆网络,机场延误预测,特征提取
来源: 通信学报 2019年04期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 航空航天科学与工程,自动化技术
单位: 中国民航大学天津市智能信号与图像处理重点实验室
基金: 国家自然科学基金资助项目(No.U1833105),天津市智能信号与图像处理重点实验室开放基金项目(No.2017ASP-TJ01),中央高校基本科研业务费基金资助项目(No.3122018D006)~~
分类号: V35;TP183
页码: 149-159
总页数: 11
文件大小: 755K
下载量: 332