基于PN和CNN-LSTM-ATT的航班延误预测
Flight Delay Prediction Based on Petri Net and CNN-LSTM-ATT作者机构:南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023 江苏省无线传感网高技术研究重点实验室江苏南京210023
出 版 物:《计算机技术与发展》 (Computer Technology and Development)
年 卷 期:2023年第33卷第4期
页 面:213-220页
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:江苏省科技重点研发计划(社会发展)(BE2020713)
主 题:航班地面保障 保障流程分析 延误预测 Petri Net CNN-LSTM-ATT
摘 要:航班延误预测对提高机场地面保障效率具有重要参考意义。针对目前航班地面保障流程复杂多变以及航班过站延误预测精度不高的问题,提出了一种基于Petri Net和融合预测模型CNN-LSTM-ATT的航班延误预测模型。首先,根据机场航班实际地面保障流程抽象构建离港航班地面保障作业Petri Net模型,获取保障流程中的关键作业时长成为动态特征;其次,将动态特征、航班信息、延误信息和天气信息输入CNN-LSTM-ATT模型中进行特征提取和分类预测,模型中引入注意力机制,通过注意力权重突出关键数据信息的影响,进一步挖掘重要特征之间的内部规律。实验结果显示,该融合模型准确率相比独立模型提升了6%,达到98.1%。通过对不同模型的对比表明该模型能较好地应对场面流程变化并且具备较好的延误预测能力。