隨著現(xiàn)代化的強勁步伐,尤其是民航運輸業(yè)的快速發(fā)展,同時伴隨著人工智能、大數(shù)據(jù)技術等數(shù)據(jù)信息技術的高速變革。其深度學習技術已經(jīng)服務于各行各業(yè)。針對民航運輸業(yè)延誤率較高,傳統(tǒng)算法難以滿足高精度延誤預測的問題,提出基于大數(shù)據(jù)的深度學習方法進行航班延誤的高精度預測。旨在通過高效智能的深度學習算法挖掘數(shù)據(jù)背后的客觀規(guī)律。并且將其預測結果進行可視化展示,為智慧民航提供決策參考。論文主要工作內容如下所示:首先,針對傳統(tǒng)算法模型使用的數(shù)據(jù)量較小,數(shù)據(jù)維度較低等問題。論文結合實際中可能對航班產(chǎn)生影響的因素,考慮了包含航班信息、天氣信息、關聯(lián)機場等高維度的海量數(shù)據(jù)進行航班延誤預測。先對國內外數(shù)據(jù)集的特征屬性進行介紹,再分別進行數(shù)據(jù)預處理操作,利用主鍵關聯(lián)的方式將各個維度的特征屬性融合,最終轉換成輸入到模型中的特征矩陣。其次,針對航班延誤預測模型需要的較強的數(shù)據(jù)處理能力,以擬合高維度的海量數(shù)據(jù),提出一種團簇隨機連接網(wǎng)絡(Randomly Connected Clique Network,CliqueNet)航班延誤預測模型,以仿生網(wǎng)絡結構對海量航班數(shù)據(jù)背后的客觀規(guī)律進行特征提取,最終以Softmax分類器給...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 航班延誤預測研究現(xiàn)狀
        1.2.2 數(shù)據(jù)可視化研究現(xiàn)狀
    1.3 本文主要研究工作
    1.4 本文組織結構
第二章 航班延誤預測數(shù)據(jù)預處理
    2.1 引言
    2.2 數(shù)據(jù)集介紹及屬性特征定義
        2.2.1 美國數(shù)據(jù)集介紹
        2.2.2 國內數(shù)據(jù)集介紹
    2.3 數(shù)據(jù)預處理
        2.3.1 數(shù)據(jù)清洗
        2.3.2 特征編碼
        2.3.3 數(shù)據(jù)融合
    2.4 本章小結
第三章 基于Clique Net的航班延誤預測方法
    3.1 引言
    3.2 Clique Net預測模型設計
        3.2.1 團簇Clique Net網(wǎng)絡描述
        3.2.2 隨機連接團簇
        3.2.3 Transition層
    3.3 Clique Net預測模型訓練
        3.3.1 網(wǎng)絡參數(shù)
        3.3.2 網(wǎng)絡訓練
    3.4 Clique Net預測模型優(yōu)化
        3.4.1 基于瓶頸-壓縮的優(yōu)化
        3.4.2 基于Padding技術的優(yōu)化
    3.5 航班延誤預測
        3.5.1 航班延誤預測分類
        3.5.2 分類結果混淆矩陣
    3.6 實驗分析
        3.6.1 實驗環(huán)境和參數(shù)配置
        3.6.2 國外數(shù)據(jù)實驗結果
        3.6.3 退化學習率實驗
        3.6.4 國內數(shù)據(jù)實驗結果
        3.6.5 不同模型實驗結果比較
    3.7 本章小結
第四章 航班延誤數(shù)據(jù)可視化
    4.1 引言
    4.2 大數(shù)據(jù)可視化介紹
        4.2.1 信息可視化技術介紹
        4.2.2 開發(fā)關鍵技術介紹
    4.3 航班延誤地圖可視化
        4.3.1 全國延誤等級熱力圖展示
        4.3.2 美國延誤等級統(tǒng)計圖展示
    4.4 航班信息可視化
        4.4.1 航班信息展示
        4.4.2 延誤數(shù)據(jù)統(tǒng)計可視化
    4.5 航班延誤可視化
        4.5.1 航班延誤可視分析
        4.5.2 航班延誤波及可視化方法
    4.6 本章小結
第五章 總結與展望
致謝
參考文獻
攻讀碩士期間取得的成果



本文編號：3761633