申请/专利权人：中国民航大学;中国民用航空华北地区空中交通管理局

申请日：2019-12-09

公开（公告）日：2023-04-07

公开（公告）号：CN111027767B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/30;G06N3/0442;G06N3/084;G06N3/049;G06F18/241;G06F18/213;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2023.04.07#授权;2020.05.12#实质审查的生效;2020.04.17#公开

摘要：本发明提供了一种基于Skip‑LSTM网络的机场群延误预测方法，包括如下步骤：数据预处理：将两个机场群的数据集进行对比，并分别对数据进行均衡处理，数据均衡处理后，对数据进行融合、特征选择和数据编码；特征提取：将数据预处理中得到的数据编码输入到Skip‑LSTM网络，提取数据在时间维度上的依赖关系，得到最终的特征矩阵；分类预测：将特征提取中得到的最终特征矩阵，输入到全连接层转换为一维矩阵，并利用softmax分类器对一维特征矩阵进行分类，得到机场延误预测的结果。本发明所述的基于Skip‑LSTM网络的机场群延误预测方法，充分提取了机场群数据信息的时间相关性，获得更高的预测准确率。

主权项：1.一种基于Skip-LSTM网络的机场群延误预测方法，其特征在于：包括如下步骤：数据预处理：将两个机场群的数据集进行对比，并分别对数据进行均衡处理，数据均衡处理后，对数据进行融合、特征选择和数据编码；特征提取：将数据预处理中得到的数据编码输入到Skip-LSTM网络，提取数据在时间维度上的依赖关系，得到最终特征矩阵；分类预测：将特征提取中得到的最终特征矩阵，输入到全连接层转换为一维特征矩阵，并利用softmax分类器对一维特征矩阵进行分类，得到机场群延误预测的结果；所述数据预处理的具体方法为：数据均衡处理：增加数据集，使得数据均衡；特征选择：根据天气数据集，删除重复和干扰的特征；数据融合：提取机场群中所有的起降航班数据和天气数据，选择航班的计划起飞或降落时间为关联主键1，选择观测站的观测时间为关联主键2，融合具有相同键值的数据，保证机场群的航班数据和相同时间的天气数据进行融合；数据编码：将融合后的数据特征分为离散型特征和连续型特征，对离散型特征进行了平数据编码，对连续性特征进行min-max编码；所述特征提取中Skip-LSTM前向传播过程为：ft＝σwfht-1+ufxt+bf1it＝σwiht-1+uixt+bi2at＝tanhwaht-1+uaxt+ba3ct＝ct-1⊙ft+it⊙at4yt＝σwoht-1+uoxt+bo5 ht＝ut·Sht-1,xt+1-ut·ht-17 其中xt是t时刻的输入，ft是t时刻遗忘门的输出，it和at是t时刻输入门的输出，ct是t时刻的细胞状态，yt是t时刻输出门的输出，是t时刻Skip门的输出，ht是t时刻的隐藏状态，σ和tanh为神经元内的激活函数，fbinarize是将输入值二值化的函数；⊙为Hadamard积；wf是t-1时刻遗忘门的权重矩阵；ht-1是t-1时刻的隐藏状态；uf是t时刻遗忘门的权重矩阵；bf是遗忘门的偏置；wi是t-1时刻输入门的权重矩阵；ui是t时刻输入门的权重矩阵；bi是输入门的偏置；wa是t-1时刻输入门的权重矩阵；ua是t时刻输入门的权重矩阵；ba是输入门的偏置；ct-1是t-1时刻的细胞状态；wo是t-1时刻输出门的权重矩阵；uo是t时刻输出门的权重矩阵；bo是输出门的偏置；ut是二值化处理后的值；S是参数状态转换模型；是t时刻离散化的概率变化；wp是t时刻Skip门的权重矩阵；bp是Skip门的偏置；是t+1时刻Skip门的输出；min是取最小值函数；Skip-LSTM反向传播过程通过梯度下降法迭代更新所有的参数，在Skip-LSTM中有两个隐藏状态ht和ct，所以定义两个δ，即δht和δct，Skip-LSTM反向传播过程公式如下所示，Skip-LSTM的反向传播是沿时间维度的反向传播，即从当前的时刻反向传播计算前一个时刻的梯度值、损失值，由δct+1和δht+1反向推导δct和δht， 其中δht是t时刻隐藏状态的梯度；l是损失函数；lt是t时刻的损失值；lt+1是t+1时刻的损失值；ht+1是t+1时刻的隐藏状态；δct是t时刻细胞状态的梯度；是t+1时刻细胞状态的梯度；ft+1是t+1时刻遗忘门的输出；通过计算出δht和δct，可以计算神经元中各个参数的梯度，即参数对于损失函数的偏导数，其中，wf的梯度计算过程如下： 其中，wf代表t-1时刻遗忘门的权重矩阵；ct-1代表t-1时刻的细胞状态；ht-1代表t-1时刻的隐藏状态；数据预处理中两个机场群的数据集包括机场数据、航班数据和天气数据。

全文数据：

权利要求：

百度查询： 中国民航大学;中国民用航空华北地区空中交通管理局 一种基于Skip-LSTM网络的机场群延误预测方法

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