[发明专利]一种基于KNN和SVR的航班滑出时间预测方法

摘要

一种基于KNN和SVR的航班滑出时间预测方法。其包括获取机场航班实际运行数据获得多个历史航班的滑行距离等数据使用K近邻算法预测出航班滑出期间使用同一跑道的预计起降航班数构建用于航班滑出时间预测的支持向量机回归模型；对支持向量机回归模型进行训练和验证；将待预测航班的特征向量代入已经过验证的支持向量机回归模型中，输出即为待预测航班的滑出时间预测值等步骤。本发明效果根据每天航班运行的实际情况，分阶段建立预测模型，可提高预测的准确率。在误差范围±3分钟内，航班的平均预测准确率为79.86％,误差范围为±5分钟内，平均预测准确率可达93.4％。

主权项

一种基于KNN和SVR的航班滑出时间预测方法，其特征在于：所述的基于KNN和SVR的航班滑出时间预测方法包括按顺序执行的下列步骤：步骤1)获取机场航班实际运行数据：步骤2)利用不同历史航班的离港滑行路径获得多个历史航班的滑行距离Dt，同时利用上述机场航班实际运行数据计算出多个历史航班的航班撤轮挡时使用同一跑道正在滑出航班数Nt及航班撤轮挡前15分钟同一跑道的平均滑出时间Tavg：步骤3)利用上述机场航班实际运行数据，使用K近邻算法预测出航班滑出期间使用同一跑道的预计起降航班数Pd+a：步骤4)将步骤2)及步骤3)获得的数据进行归一化处理，以消除不同属性值量纲的影响；步骤5)确定构建支持向量机回归模型时所需的惩罚函数C、核参数σ，并构建用于航班滑出时间预测的支持向量机回归模型；步骤6)收集某段时间内的机场航班实际运行数据而构成数据集D1，然后将数据集D1分成5个子集，选取数据集D1中的部分数据作为训练集而对支持向量机回归模型进行训练，其余数据作为测试集而对支持向量机回归模型进行验证；步骤7)将待预测航班的特征向量X(Pd)代入上述已经过验证的支持向量机回归模型中，输出即为待预测航班的滑出时间预测值。