基于MIC-LSTM-ATT的机场动态容量评估研究

摘要：

机场容量评估是空中交通管理和机场运行效率的关键,然而由于相关特征呈现非线性、时变性等复杂特性,机场动态容量评估仍具挑战.针对预测精度和可靠性问题,提出一种改进的深度学习机场动态容量评估方法(MIC-LSTM-Attention),主要包括基于最大互信息系数(MIC)进行相关性分析和引入注意力机制改进LSTM模型两部分.模型通过引入MIC确定强关联气象特征作为预测模型的输入,并应用注意力机制进行权重分配使得模型能够将注意力集中于重要气象信息上.实验数据为国内某大型国际机场一年内的航班运行及天气数据,实验建立了多个基线模型与所提模型进行对比分析.结果表明所构建的MIC-LSTM-ATT模型相较于其他3 种方法拟合效果更好,准确度更高.

关键词：机场容量、气象因素、最大互信息系数、长短时记忆神经网络、注意力机制

所属期刊栏目：53

分类号：V355(航空港（站）、机场及其技术管理)

资助基金：国家自然科学基金U2233208

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：67-71