典型文献
考虑雷暴气象细分因子的航班延误集成学习预测
文献摘要：
雷暴天气对机场航班延误的影响较为显著,早期的航班延误预测模型通常将雷暴的影响因素看作单一的0-1变量,缺乏对雷暴气象因子的进一步细分,导致现有航班延误模型在恶劣天气下的预测效果不佳.选取国内两个机场全年的航班计划数据,基于机场的天气雷达数据提取了12个雷暴气象细分因子.在此基础上,采用随机森林算法计算各雷暴气象细分因子对机场航班延误的重要度,结合重要度排序结果筛选出关键雷暴气象因子.研究基于集成学习算法,结合雷暴气象关键因子,分别针对选取的两个机场进行离港航班延误预测.结果表明,雷暴气象细分因子较好解释了航班延误的分布特征,集成学习可以显著提升航班延误预测的精度.
文献关键词：
航班延误预测;雷暴气象因子;集成学习;随机森林;重要度分析
中图分类号：
作者姓名：
王宗博;包杰;单小轩;康嘉伟;陈奕轩
作者机构：
南京航空航天大学,江苏 南京211000
文献出处：
引用格式：
[1]王宗博;包杰;单小轩;康嘉伟;陈奕轩-.考虑雷暴气象细分因子的航班延误集成学习预测)[J].航空计算技术,2022(03):52-56
A类：
雷暴气象因子
B类：
雷暴天气,航班延误预测,延误模型,恶劣天气,航班计划,计划数,天气雷达,雷达数据,数据提取,随机森林算法,算法计算,集成学习算法,关键因子,别针,离港航班,重要度分析
AB值：
0.178321
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
