典型文献
融合注意力机制SimAM的CNN-MogrifierLSTM航班延误波及预测
文献摘要：
连续航班中的延误波及往往会引起大规模的航班延误产生,提前对航班延误波及问题进行预测可以为民航部门提供有效参考,减少相关的经济损失.本文首先对航班数据进行清洗与数据融合,针对空管部门实际航班运行情况提出强空间航班链数据集与强时序航班链数据集两种不同的构造方法;然后根据航班延误波及传播的空时特性提出融合注意力机制SimAM的CNN-MogrifierLSTM网络模型,先使用卷积神经网络(Convolutional Neural Network,CNN)结合注意力机制SimAM模块对空间特征进行提取,再用形变的长短时记忆网络(Mogrifier Recurrent Neural Network,MogrifierLSTM)对时序信息进行学习;最后使用Softmax分类器对延误等级进行分类预测.本文提出的预测方法,在航班延误波及进行预测的实验中取得了 93.16％的准确率,相比单独使用CNN或LSTM大有提升,加上SimAM注意力机制后相比CNN-MogrifierLSTM网络在不同数据集上准确率也提升了0.6％左右.
文献关键词：
航班延误波及预测;航班链;形变的长短时记忆网络;注意力机制
中图分类号：
作者姓名：
屈景怡;张金杰;赵娅倩;李云龙
作者机构：
中国民航大学天津市智能信号与图像处理重点实验室,天津300300;上海民航华东通信网络发展有限公司,上海200355
文献出处：
引用格式：
[1]屈景怡;张金杰;赵娅倩;李云龙-.融合注意力机制SimAM的CNN-MogrifierLSTM航班延误波及预测)[J].信号处理,2022(11):2412-2423
A类：
MogrifierLSTM,航班延误波及预测,航班链,形变的长短时记忆网络
B类：
注意力机制,SimAM,续航,民航,有效参考,班数,数据融合,空管,航班运行,运行情况,构造方法,Convolutional,Neural,Network,空间特征,Recurrent,时序信息,Softmax,分类器,分类预测
AB值：
0.165116
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
