融合注意力機制SimAM 的CNN-MogrifierLSTM 航班延誤波及預測

屈景怡 張金杰 趙婭倩 李云龍

（1.中國民航大學天津市智能信號與圖像處理重點實驗室，天津 300300；2.上海民航華東通信網絡發展有限公司，上海 200355）

1 引言

隨著空中交通流量的增加，航班延誤問題給民航的正常運轉帶來了挑戰。某一機場產生的航班延誤會在空中交通網絡內部進行傳播，航線密集的樞紐機場一旦發生航班延誤，延誤更容易直接傳播至其他中小型機場［1］。提前對航班延誤波及問題進行準確的預測，可以提高航班延誤預警水平，減小航空公司和機場的經濟損失，提高旅客出行滿意度。

在班延誤波及預測的問題上，國內外學者們多結合航班延誤影響因素、機場繁忙程度、航班計劃等進行研究。目前已有的方法多基于概率論的方法來計算連續航班延誤落在不同區間的條件概率［2-4］，文獻［5］考慮機場放行能力約束條件來對航班延誤波及進行分析，對延誤時長進行了定量預測，提升了預測準確率；文獻［6］通過馬爾科夫毯網絡建立了航班計劃的多個屬性和延誤波及變化的貝葉斯網絡模型，來研究航班計劃對于航班延誤波及傳播的影響。但以上大多是用小樣本數據對航班延誤波及問題產生的原因進行研究，面對數據量達到百萬級的航班數據，如何有效的對航班延誤中復雜關系進行分析挖掘，深度學習是目前研究中使用最為廣泛的方法之一。文獻［7］使用SE-DenseNet模型加強了信息間的傳遞對航班延誤進行預測；文獻［8］提出基于區域殘差和LSTM 網絡有效提取機場延誤數據的時間相關性；……