文章目录

引言

1 集成学习方法

1.1 随机森林

1.2 梯度提升回归树

2 数据预处理

2.1 数据来源

2.2 数据处理

3 结果分析

3.1 气象特征对航班延误影响重要度分析

3.2 航班延误预测

4 结束语

文章摘要: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。

文章关键词:

论文作者:王宗博 包杰 单小轩 康嘉伟 陈奕轩 

作者单位:南京航空航天大学 

论文分类号:V321.227;V355.1

文章来源：《中国航班 》 网址: http://www.zghbzz.cn/qikandaodu/2022/0531/2456.html