申请/专利权人：航科院中宇(北京)新技术发展有限公司

申请日：2020-05-29

公开（公告）日：2020-09-11

公开（公告）号：CN111652427A

主分类号：G06Q10/04(20120101)

分类号：G06Q10/04(20120101);G06Q50/30(20120101);G06N20/00(20190101)

优先权：

专利状态码：有效-授权

法律状态：2023.12.29#授权;2020.10.13#实质审查的生效;2020.09.11#公开

摘要：本发明公开了一种基于数据挖掘分析的航班到达时刻预测方法及系统，包括：S1、航班历史运行数据匹配融合及标准化处理；S2、历史运行数据特征筛选与相关性分析；3、构建预测模型；S4、将被预测航班的特征变量数据输入到回归预测模型中并计算得到航班剩余飞行时间的预测值。本发明从ADS‑B系统、ACARS系统等设备中采集航班历史数据，首先对数据进行关联、标准化处理，然后依据特征变量筛选、特征值计算进行皮尔森相关系数计算并构建基于XGBoost算法的回归预测模型，不断调参优化模型，得到最佳准确率的回归预测模型，在模型中输入被预测航班的特征变量数据后即可预测得到航班的预测到达时刻，提高了航班到达时刻的预测精度。

主权项：1.一种基于数据挖掘分析的航班到达时刻预测方法，其特征在于，包括：S1、航班历史运行数据匹配融合及标准化处理：依据特征维度参数对航班历史数据进行关联匹配、多维分类及标准化处理与存储，所述特征维度参数包括航班号、航班日期、三字码、机号、机型、起降机场，所述航班历史数据包括航班动态、ADS-B系统中的运行轨迹、ACARS系统中的运行轨迹、飞行计划航路，处理后得到历史运行数据；S2、历史运行数据特征筛选与相关性分析：对步骤S1中的历史运行数据进行特征变量筛选、特征值计算，并对数据中各特征变量与到达时刻之间进行皮尔森相关系数计算分析；S3、构建预测模型：利用历史运行数据及其特征变量分析结果，构建基于XGBoost算法的回归预测模型，并使用测试数据验证模型准确性，通过不断调参优化，获取最佳准确率的回归预测模型；S4、将被预测航班的特征变量数据输入到回归预测模型中并计算得到航班剩余飞行时间的预测值。

全文数据：

权利要求：

百度查询： 航科院中宇(北京)新技术发展有限公司 一种基于数据挖掘分析的航班到达时刻预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD