基于双通道卷积神经网络的航班延误预测模型

作     者：吴仁彪 李佳怡 屈景怡 WU Renbiao;LI Jiayi;QU Jingyi

作者机构：中国民航大学天津市智能信号与图像处理重点实验室天津300300 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2018年第38卷第7期

页      面：2100-2106,2112页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金青年科学基金资助项目(11402294) 天津市智能信号与图像处理重点实验室开放基金资助项目(2017ASP-TJ01)~~ 

主　　题：航班延误预测 双通道卷积神经网络 数据融合 直通通道 卷积衰减因子 

摘      要：针对航班延误预测数据量大、特征提取困难而传统算法处理能力有限的问题,提出一种基于双通道卷积神经网络(DCNN)的航班延误预测模型。首先,该模型将航班数据和气象数据进行融合,应用DCNN进行自动特征提取,采用批归一化(BN)和Padding策略优化,提升到港延误等级的分类预测性能;然后,在卷积神经网络(CNN)基础上加入直通通道,以保证特征矩阵的无损传输,增强深度网络的畅通性;同时引入卷积衰减因子对卷积通道的特征矩阵进行稀疏性限制,控制不同网络深度的特征叠加比例,维持模型的稳定性。实验结果表明,所提模型与传统模型相比,具有更强的数据处理能力。通过数据融合,航班延误预测准确率可提高1个百分点;加深网络深度后,该模型能保证梯度的稳定,从而训练更深的网络,使准确率提升至92.1%。该基于DCNN算法的模型特征提取充分,预测性能优于对比模型,可更好地服务于民航决策。