基于SSA-BP的离港航班滑出时间预测

摘要：

针对传统反向传播(back propagation,BP)神经网络在离港航班滑出时间预测时存在对初始权值和阈值敏感、准确性和稳定性不好等缺点,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)获取BP神经网络的最优权值和阈值的方法.首先分析了离港航班滑出时间的可量化影响因素及相关性,然后构建了基于SSA-BP的离港航班滑出时间预测模型,并采用中国中南某枢纽机场2周的实际运行数据对预测模型进行了验证.结果表明:离港航班滑出时间与同时段滑行的离港航班数量强相关,与同时段滑行的进港航班数量、同时段推出的离港航班数量、平均滑出时间中度相关,与滑行距离和转弯个数弱相关;基于SSA优化后的BP神经网络预测结果误差在±60 s内的准确率提升了20％,误差±180 s内的准确率提升了12％,误差±300 s内的准确率提升了7％.;预测结果的平均绝对误差百分比提升了2.61％,平均绝对误差减少了11.73 s,均方根误差减少了61.03 s.研究成果为提升大型枢纽机场场面运行效率提供了思路.

关键词：滑出时间、反向传播(BP)神经网络、麻雀搜索算法(SSA)、机场场面运行效率

所属期刊栏目：22

分类号：TP391.1;V355.1(计算技术、计算机技术)

资助基金：四川省科技厅重点研发计划项目;中国民用航空飞行学院重点项目;中飞院智慧民航专项重点项目

在线出版日期：2022-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：6607-6612