[发明专利]基于贝叶斯估计的航班延误预测模型的建立方法及装置

权利要求书

1.一种基于贝叶斯估计的航班延误预测模型的建立方法，其特征在于，包括：

对航班延误数据进行降维处理，并且使处理后的数据满足贝叶斯分类器的需求；

将处理后数据的一部分作为训练集数据，以及将处理后数据的另一部分作为测试集数据；

对所述训练集数据进行训练，以计算贝叶斯分类器所需的后验概率，建立航班延误预测模型；以及

通过测试集数据对所述航班延误预测模型进行模型测试，通过所述航班延误预测模型判断测试集数据的所述分类，并且根据判断正确的数量来求得所述航班延误预测模型的准确度；

在对航班延误数据进行降维处理时，通过主成分分析法选取航班延误数据中的关键参数特征，然后通过特征比值的方法对航班延误数据进行降维处理；

所述关键参数特征包括多个直接影响因素，计算所述多个直接影响因素中各直接影响因素的占比，并且根据航班延误数据的数量将每种占比相关的数据分成多个类别，以使航班延误数据分别在多个类别中近似均匀分布，并且根据航班延误数据所处的类别将航班延误数据离散化；

所述关键参数特征还包括多个非直接影响因素，对非直接影响因素进行数据离散化处理；

在对所述训练集数据进行训练时，将每条数据中所包括的多项关键参数特征作为特征组合，并且设定多个分类，求得所述特征组合在每个分类中的概率值，并且获得所述特征组合在各分类中的概率值的最大概率值。

2.如权利要求1所述的方法，其特征在于，在设定多个分类时，将航班平均延误时间作为分类标准。

3.如权利要求1或2所述的方法，其特征在于，在对所述训练集数据进行训练时，计算各特征组合出现的频次，然后计算各特征组合所属不同类的频次，之后计算各特征组合出现的概率，并且计算集中某一类条件下的特征组合出现的概率。

4.一种基于贝叶斯估计的航班延误预测模型的建立装置，其特征在于，包括：

数据处理模块，对航班延误数据进行降维处理，并且使处理后的数据满足贝叶斯分类器的需求，将处理后数据的一部分作为训练集数据，以及将处理后数据的另一部分作为测试集数据；

在对航班延误数据进行降维处理时，通过主成分分析法选取航班延误数据中的关键参数特征，然后通过特征比值的方法对航班延误数据进行降维处理；

所述关键参数特征包括多个直接影响因素，计算所述多个直接影响因素中各直接影响因素的占比，并且根据航班延误数据的数量将每种占比相关的数据分成多个类别，以使航班延误数据分别在多个类别中近似均匀分布，并且根据航班延误数据所处的类别将航班延误数据离散化；

所述关键参数特征还包括多个非直接影响因素，对非直接影响因素进行数据离散化处理；

训练模块，对所述训练集数据进行训练，以计算贝叶斯分类器所需的后验概率，通过贝叶斯分类器建立航班延误预测模型；

在对所述训练集数据进行训练时，计算各特征组合出现的频次，然后计算各特征组合所属不同类的频次，之后计算各特征组合出现的概率，并且计算集中某一类条件下的特征组合出现的概率；

以及

测试模块，通过测试集数据对所述航班延误预测模型进行模型测试，通过所述航班延误预测模型判断测试集数据的所述分类，并且根据判断正确的数量来求得所述航班延误预测模型的准确度。

5.一种计算机设备，其特征在于，包括：

存储器，所述存储器存储计算机执行指令；以及

处理器，所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如权利要求1至3中任一项所述的方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至3中任一项所述的方法。