专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果8085个,建议您升级VIP下载更多相关专利
  • [发明专利]一种航班延误预测方法及预测系统-CN202310347075.6有效
  • 屈景怡;陈博 - 中国民航大学
  • 2023-04-04 - 2023-06-30 - G06Q10/04
  • 本发明属于交通延误预测方法技术领域,公开了一种航班延误预测方法及预测系统。设定SA‑CycleMLP网络模型的初始参数,对获取的历史航班信息和气象数据进行预处理,并进行融合及编码后输入SA‑CycleMLP网络模型进行训练,得到基于SA‑CycleMLP网络的航班延误预测模型;将待预测的航班的信息输入到航班延误预测模型,利用SA‑CycleMLP网络进行特征提取;通过预测结构处理航班信息,获得航班延误信息,并生成每个航班对应的延误等级,从而在应用可视化系统中显示预测航班延误信息本发明对航班延误预测具有很好的预测性能,准确率高达92.51%;对于样本数量少的延误航班也具有更好精确率。
  • 一种航班延误预测方法系统
  • [发明专利]一种空中廊道航班延误系统弹性测算方法-CN202210476648.0在审
  • 张一诺;张广浩;路紫;白龙;董雅晴 - 河北师范大学
  • 2022-04-30 - 2022-08-05 - G06Q10/04
  • 本发明涉及空中廊道系统技术领域,具体涉及一种空中廊道航班延误系统弹性测算方法,包括构建了一个航班延误偏差‑延误累积量‑延误弹性系数多层次测算方法,测算了单个航班延误偏差、系统延误累积量和系统延误弹性系数,基于所构建的延误偏差‑延误累积量‑延误弹性系数的多层次测算框架,可以检测空中廊道航班飞行过程中实际时间与计划时间的偏差进而计算得到单个航班延误偏差;通过概率分布累计单个航班延误偏差又得到系统延误累积量,用以表征延误累积‑恢复的动态过程;进而通过其关系表达系统延误弹性以评估系统从延误中恢复的能力。
  • 一种空中廊道航班延误系统弹性测算方法
  • [发明专利]一种延误时长的预测方法及装置-CN201911236240.0在审
  • 罗文洲;谭玮;郭鹏飞;裴成;王磊;张辉;肖禹 - 阿里巴巴集团控股有限公司
  • 2019-12-05 - 2020-05-12 - G08G5/00
  • 本申请实施例提供了一种延误时长的预测方法及装置。通过本申请可以预测目标航班延误时长,其中,由于结合了目标航班的多种维度的延误参数来预测目标航班延误时长,延误参数至少包括:目标航班的预定起飞时刻的天气参数、目标航班的航空管制参数、目标航班的前序航班延误时长、目标航班的最小过站时长以及目标航班的机械故障参数等;且是结合多个种类的延误参数以及目标预测模型来预测目标航班延误时长,使得预测得到的延误时长的准确度较高,有助于航空公司的航班排班、机务地勤排班和应急方案的制定
  • 一种延误预测方法装置
  • [发明专利]一种分析航班延误传播规律的方法-CN202011267646.8有效
  • 郝安敏;田勇;马丽娜;徐灿;李超;王倩 - 南京航空航天大学
  • 2020-11-13 - 2021-10-22 - G08G5/00
  • 本发明公开了一种分析航班延误传播规律的方法,包括;以某一时刻的不同状态的航班集密度作为节点,各个航班集的转化概率作为边,来构成机场之间的航班网络;以预设时间为间隔来统计处在不同状态航班集的转化概率,以及各个航班集节点密度的比例系数;以不同状态的航班集的转化概率和航班集的节点密度之间的关系建立基于D‑SEIR模型的航班延误传播模型,通过分析各参数大小对航班集节点密度的影响,来得出航班延误传播规律。本发明以某一时刻的不同状态的航班集密度作为节点,各个航班集的联系作为边,来构成机场之间的航班网络,并将航班延误分段考虑,不仅考虑到航班之间的自发延误,也考虑到航班之间的联系造成的次衍生航班延误
  • 一种分析航班延误传播规律方法
  • [发明专利]一种基于机器学习的战略航班时刻表延误分布预测方法-CN202210739628.8在审
  • 王艳军;王子明;赵希凡 - 南京航空航天大学
  • 2022-06-28 - 2022-09-30 - G06F30/27
  • 本发明公开一种基于机器学习的战略航班时刻表延误分布预测方法,基于历史航班运行数据用正太分布拟合每个航班延误分布,将得到的延误分布拼接到战略航班时刻表得到数据集合;选择用于战略航班时刻表中用于航班延误分布预测的特征,并对不同类型的特征进行编码;使用机器学习算法进行学习,预测战略性航班时刻表中航班延误分布信息,对于预测结果,提出评价指标对不同机器学习算法的预测结果进行评价;最后选择性能较优的机器学习算法预测战略航班时刻表的延误分布该方法为航班时刻协调员提供战略时刻表潜在的延误分布信息,在发现机场准时性能瓶颈情况下,采取行动减少航班延误,支持战略航班时刻表性能评估和战略航班时刻表优化。
  • 一种基于机器学习战略航班时刻表延误分布预测方法
  • [发明专利]基于深度学习的智能航班延误预测方法-CN202110436375.2在审
  • 严宇;熊静;张文成;刘超 - 上海工程技术大学
  • 2021-04-22 - 2021-07-16 - G06Q10/04
  • 本发明提供一种基于深度学习的智能航班延误预测方法,包括步骤:S1:获取一目标航班航班数据和目标航班运行时间内的起降城市的天气数据,并计算目标航班延误时间,根据延误时间制作延误标签,延误标签包括延误时间;S2:将航班数据和天气数据进行数字化处理;S3:将数字化处理后的航班数据和天气数据进行预处理;S4:根据延误标签划分多个延误类别;S5:设置一深度学习算法模型;S6:利用预处理后的将航班数据和天气数据训练深度学习算法模型,并利用天气预报和深度学习算法模型预测目标航班延误情况。本发明的一种基于深度学习的智能航班延误预测方法,能有效保证原始数据的时序性,预测结构更准确。
  • 基于深度学习智能航班延误预测方法
  • [发明专利]一种基于XGBoost的航班延误原因预判方法-CN202211509271.0在审
  • 李印凤;王秋玲;尚然然;高志远;张浩;米雪玉;许亚男;阮昌 - 华北理工大学
  • 2022-11-29 - 2023-05-23 - G06F18/241
  • 本发明公开了一种基于XGBoost的航班延误原因预判方法,首先采集航班飞行计划数据、流控数据和气象数据,根据流控数据划分出航班延误原因类别,将各类航班延误原因类别与航班的飞行计划数据和天气数据相关联,得到关联后的样本数据,并对样本数据进行数据平衡处理,得到平衡后的样本数据;然后构建基于XGBoost的航班延误原因预判模型,将平衡后的样本数据中的航班飞行计划的特征因素以及和航班相关的气象特征因素作为模型的输入特征变量,将航班延误原因类别作为模型预测输出的目标变量最后将待预测的航班的飞行计划的特征因素以及和该航班相关的气象特征因素输入至训练好的航班延误原因预判模型中,模型输出的目标变量则为航班延误原因类别。
  • 一种基于xgboost航班延误原因方法
  • [发明专利]一种基于集成学习的航班延误预测方法-CN202110947624.4在审
  • 于滨;方轲;陈鹏飞 - 北京航空航天大学
  • 2021-08-18 - 2021-11-16 - G06Q10/04
  • 本发明公开了一种基于集成学习的航班延误预测方法,包括步骤S1:获取目标航班相关的航空公司属性、航班属性、执行班机属性、紧前航班延误信息、起飞机场及航站信息,并对所获数据进行预处理;S2:根据预处理后信息提取多维解释变量并计算航班延误;S3:采用聚类算法设置延误分类规则;S4:依照航班延误时长设置延误等级标签;S5:基于集成学习算法模型并训练数据;S6:利用航班的多维特征预测目标航班延误情况。本发明提供的一种基于轻量级梯度提升机的航班起飞延误预测方法,能够显著提升训练效率、降低内存消耗并且可以获取更高的准确率。
  • 一种基于集成学习航班延误预测方法
  • [发明专利]一种基于深度学习组合模型的航班运行网络延误预测方法-CN202210782742.9在审
  • 吴薇薇 - 南京航空航天大学
  • 2022-06-29 - 2023-06-02 - G06F30/27
  • 本发明公开了一种基于深度学习组合模型的航班运行网络延误预测方法,属于航空航天技术领域,包括获取航班运行网络以及航班延误历史数据,构建特征矩阵和邻接矩阵,构建图卷积网络层捕获图的空间特征与拓扑结构关系,利用门控循环单元对长时信息和短时信息的表征能力来提取航班延误的时间特性,构建GCN‑GRU组合预测模型,解决了能够反映出由于航班延误波及造成的延误波动情况,并且可以精准地反映出航班运行网络中各节点航班延误水平的动态变化的技术问题,本发明相较于传统的预测模型拥有更高的航班延误预测精度,预测结果可为航空公司从航班延误的角度调整航线提供参考。
  • 一种基于深度学习组合模型航班运行网络延误预测方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top