离港航班滑出时间的支持向量机预测模型

摘要：

为解决反向传播(back propagation,BP)神经网络在离港航班滑出时间预测精度欠佳的问题,构建了基于支持向量机(support vector machine,SVM)的离港航班滑出时间预测模型.首先,分析了影响离港航班滑出时间的可量化因素,构建了基于相关性分析的离港航班滑出时间预测模型;并对比分析了基于SVM和BP神经网络的滑出时间预测结果.结论表明:离港航班滑出时间与同时段推出航班数量、同时段起飞航班数量、同时段落地航班数量、1h平均滑出时间呈现强相关性,与滑行距离、转弯个数、延误时间相关但不显著,与起飞时刻所在时段不相关.基于SVM和BP神经网络的预测结果趋势是一致的,考虑强相关和中度相关影响因素的七元组预测结果准确率达到最佳;引入不相关因素后模型的预测精度会下降.基于SVM的滑出时间预测模型精度显著高于BP神经网络预测模型,滑出时间误差范围在±5 min内的预测准确率可达98％.

关键词：滑出时间预测、SVM、BP神经网络、相关性分析

所属期刊栏目：22

分类号：V355.1(航空港（站）、机场及其技术管理)

资助基金：四川省科技重点研发计划;中飞院重点项目;中飞院智慧民航专项重点项目

在线出版日期：2022-10-24（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：11262-11267