基于信息不确定的航班延误链式逐段扩展预测研究

《基于信息不确定的航班延误链式逐段扩展预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于信息不确定的航班延误链式逐段扩展预测研究研究生姓名：赵键涛导师姓名：丁建立教授2015年5月7分类号：TP391.9密级：公开UDC：004.9学号：1205036中国民航大学硕士学位论文基于信息不确定的航班延误链式逐段扩展预测研究研究生姓名：赵键涛导师姓名：丁建立教授申请学位类别：工学硕士学科专业名称：计算机科学与技术所在院系：计算机学院论文答辩日期：2015年5月7日2015年5月7日ResearchonFlightDelayPropagationExpandedPredictionbyStepbasedonUncertainInformationADissertation

2、SubmittedtoCivilAviationUniversityofChinaFortheAcademicDegreeofMasterofEngineeringBYZhaoJian-taoSupervisedbyProf.DINGJian-liSchoolofComputerScienceandTechnologyCivilAviationUniversityofChinaMarch52015III中国民航大学硕士学位论文摘要随着航空运输量的增加，航班延误问题越来越突出。航班延误不仅给航空公司造成了严重的经济损失，还影响了民航正常的生产秩序。由于一架飞机每天要执行若干个航班和起降多个机场，

3、前序航班延误对后继航班延误存在诸多环节和诸多不确定性，如何根据前序航班延误状态预测后继航班延误的程度非常具有挑战性。论文基于信息不确定的航班延误链式逐段扩展预测研究正是基于上述背景，其主要工作有：在分析了航班运行机制和航班延误形成过程的基础上，首先对航班延误传递的关键环节航班过站时间进行了建模分析，提出了基于回归树方法的航班过站时间预测模型，并运用剪枝方法进行了不同参数下模型性能比较。基于贝叶斯网对过站时间进行估计，利用贝叶斯网参数增量学习的性质，提出了航班过站时间动态估计模型，并针对影响航班过站时间的各个因素进行了灵敏度分析，比较了各个因素的对过站时间的影响。对所提出的两种过站时间估计模型的

4、效果进行比较分析，阐述了贝叶斯网对过站时间进行估计的优点。其次基于航班链的角度对航班延误模型进行了研究，针对单个机场，建立了进离港航班延误传递模型，针对航班链的传递性，提出了航班延误链式逐段扩展预测模型。并且基于动态贝叶斯网络的航班延误传递模型对航班延误传递的特性进行了分析，实验表明航班延误在传递的过程中不确定性是逐渐增大的，预测准确的可能性是逐渐减小的。最后，对航班延误传递预测系统实现过程进行了阐述。上述研究对于我国频繁发生的航班延误预警和决策应对具有重要的应用价值。关键词：航班延误；不确定性；过站时间估计；逐段扩展预测；贝叶斯网III中国民航大学硕士学位论文AbstractInrecent

5、years,withtheincreasingnumberofflighttransport,theflightdelayproblemisbecomingmoreandmoreserious.Flightdelaysnotonlycauseseriouseconomiclossestotheairlines,butalsodisturbthenormalproductionorderofcivilaviation.Nowthatanaircraftneedtoperformseveralflightsandreachtoseveralairportsoneday,thedelayofupst

6、reamflightstodownstreamflightshavemanyuncertainties,sohowtopredictdownstreamflightsdelaylevelbasedontheupstreamflightdelaystatusisachallenge.Thepaperresearchonflightdelaypropagationexpandedpredictionbystepbasedonuncertaininformationisbasedonthisbackground.Followingarethemainworks:Firstly,theoperatio

7、nmechanismofflightandtheformationofflightdelaysareillustrated.Secondly,wemakemodelsaboutturnaroundtime,whichisthekeyofflightdelaytransform.Theregressiontreesusedtopredicttheturnaroundtimeandtheperform