文章摘要:针对提升离港航班延误预测精确度困难的问题，提出一种基于深度全连接神经网络（DFCN）的离港航班延误预测模型。首先，该模型在考虑航班信息、机场气象与航班延误历史的基础上，增加了航班网络结构对预测模型的影响；然后，从激活函数、输入数据项及延误时间阈值三个维度进行数值实验，对模型抑制梯度弥散与提升学习表示能力，进行了优化与验证；最后，通过调控神经网络层数的纵向拓展方式与随机丢失层Dropout参数，提升模型的泛化能力。数值实验结果表明：所提模型使用Tanh、Elu函数，预测精确度可提升1.2个百分点；考虑航班网络结构后，该模型采用Elu函数计算时，预测精确度提升3个百分点；在时间阈值为60min时，通过调控Dropout参数，模型的损失值不断降低；在5层隐含层网络和Dropout参数为0.3时，可以取得92.39%的预测精确度。该预测模型能够对国内航班延误作出较为准确判断，因此对处理航班延误有实践意义。

文章关键词:

论文分类号:V355.1;TP183

文章来源：《中国航班 》 网址: http://www.zghbzz.cn/qikandaodu/2022/0502/2434.html