基于时空序列的Conv-LSTM航班延误预测模型

作者:屈景怡; 杨柳; 陈旭阳; 王茜
更新时间:

准确的航班延误预测结果对预防大规模航班延误具有重要的参考价值。由于航班延误在特定的空间进行时间序列预测,现有的算法很少考虑空间和时间的特性。针对上述问题,提出了一种考虑时空序列的ConvLSTM航班延误预测方法,该方法在从长期和短期记忆网络(LSTM)中提取时间特征的基础上,对网络输入和权重矩阵进行卷积,提取空间特征,它可以充分利用数据集中包含的时间和空间信息。实验结果表明,ConvLSTM模型的精度比LSTM模型高0.65个百分点,比仅考虑空间信息的卷积神经网络(CNN)模型高2.36个百分点。因此,在考虑时间和空间特性的同时,我们可以在航班延误问题上获得更准确的预测结果。此外,基于该算法,设计并实现了一个基于B/S架构的航班延误分析系统,并将其应用于空中交通管理局流量控制中心。