隨著航空運輸業(yè)的迅速發(fā)展,國內外形成了諸多機場群,且機場群的發(fā)展日益成熟;同時隨著大數(shù)據(jù)及深度學習技術的發(fā)展,已經(jīng)廣泛的應用在各個領域之中。因此本文以機場群延誤預測為目標,基于大數(shù)據(jù)及深度學習技術,提出一種基于跳過門的長短時記憶網(wǎng)絡（Skip Long Short Term Memory,Skip-LSTM）的機場群延誤預測方法。旨在通過深度學習算法挖掘中國京津冀機場群和美國紐約機場群的數(shù)據(jù)信息對中美機場群的延誤狀況進行預測,并對比中美機場群數(shù)據(jù)集的差異。為機場、空管局、航空公司等相關部門的決策提供輔助參考意見,論文的主要研究工作如下:首先,構造機場群數(shù)據(jù)集并對數(shù)據(jù)進行預處理:提取目標機場群中各個機場的航班數(shù)據(jù)及氣象數(shù)據(jù),并以時間為鍵值,融合航班數(shù)據(jù)和氣象數(shù)據(jù),最后合并機場群中各個機場的數(shù)據(jù),完成機場群數(shù)據(jù)集的構造;然后根據(jù)機場群數(shù)據(jù)中各個特征的特點,對數(shù)據(jù)進行編碼。本文對不同的機場群數(shù)據(jù)以及不同的數(shù)據(jù)特征采取了不同的編碼方式,以便神經(jīng)網(wǎng)絡能更準確地提取機場群數(shù)據(jù)中的特征信息,得到更好的預測結果。其次,提出一種基于長短時記憶網(wǎng)絡（Long Short Term Memory,LSTM）... 

【文章來源】：中國民航大學天津市

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

基于京津冀機場群的LSTM預測模型的損失值

【參考文獻】：
期刊論文
[1]基于混合編碼和長短時記憶網(wǎng)絡的機場延誤預測方法[J]. 屈景怡,葉萌,曹磊.  信號處理. 2019(07)
[2]京津冀協(xié)同發(fā)展下天津疏解首都航空物流功能的路徑研究[J]. 趙冰,曹允春.  綜合運輸. 2019(07)
[3]論京津冀協(xié)同發(fā)展中國際一流航空樞紐的豐富內涵[J]. 楊學兵.  中國民用航空. 2019 (06)
[4]基于區(qū)域殘差和LSTM網(wǎng)絡的機場延誤預測模型[J]. 屈景怡,葉萌,渠星.  通信學報. 2019(04)
[5]基于深度SE-DenseNet的航班延誤預測模型[J]. 吳仁彪,趙婷,屈景怡.  電子與信息學報. 2019(06)
[6]融合氣象數(shù)據(jù)的并行化航班延誤預測模型[J]. 吳仁彪,李佳怡,屈景怡.  信號處理. 2018(05)
[7]基于雙通道卷積神經(jīng)網(wǎng)絡的航班延誤預測模型[J]. 吳仁彪,李佳怡,屈景怡.  計算機應用. 2018(07)
[8]核心機場與多核機場群發(fā)展模式及其特點研究[J]. 張莉,張越,胡華清.  綜合運輸. 2018(01)
[9]基于簡化WITI指標的機場延誤預測方法[J]. 郭野晨風,李杰,胡明華,袁立罡.  交通運輸系統(tǒng)工程與信息. 2017(05)
[10]機場群綜合分類評價方法研究[J]. 楊新湦,王倩.  現(xiàn)代電子技術. 2017(16)

博士論文
[1]基于樞紐機場的機場群協(xié)作運行與管理關鍵理論與方法研究[D]. 吳剛.南京航空航天大學 2015

碩士論文
[1]京津冀機場群協(xié)同發(fā)展下的航線優(yōu)化研究[D]. 陳梵驛.中國民航大學 2017



本文編號：2932111