申请/专利权人：北京航空航天大学

申请日：2023-11-07

公开（公告）日：2024-02-06

公开（公告）号：CN117521719A

主分类号：G06N3/042

分类号：G06N3/042;G06N3/044;G06N3/0455;G06N3/0464;G06Q10/04;G06Q50/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明涉及一种用于航空延误预测的动态时空图神经网络模型及应用，属于民航延误预测技术领域，解决了现有技术中机场网络多维关联难融合的问题，实现了航班延误的量化预测。本发明基于注意力机制的解编码器架构，设计图卷积网络与循环神经网络的耦合模型，利用机场距离与飞行流量作为图结构，并设计自适应向量对异质机场进行动态加权融合，实现对未来时间步机场平均延误的精确预测。

主权项：1.一种用于航空延误预测的动态时空图神经网络模型，其特征在于，包括输入层、图卷积-异质机场加权融合层、图卷积-循环神经网络耦合层和输出层；所述输入层，用于接收多个历史时间段中各机场的延误信息、各历史时间段机场的航班飞行信息和各机场之间的距离信息；所述图卷积-异质机场加权融合层，用于对每个历史时间段中机场的延误信息进行图卷积计算以及异质机场动态加权融合，获得各历史时间段总隐藏层向量；所述图卷积-循环神经网络耦合层，将各历史时间段总隐藏层向量进行图卷积-循环神经网络耦合，建立编码器-解码器架构，获得解码器输出隐藏层向量；所述输出层，通过对所述解码器输出隐藏层向量进行非线性变换得到未来一个时间段机场网络延误时间。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种用于航空延误预测的动态时空图神经网络模型及应用

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