典型文献
基于XGBoost算法的终端区进场航空器飞行时间预测
文献摘要：
为了高效调配进离场航空器,得到进离场航空器的最佳排序顺序,采用机器学习的方法对终端区进场航空器的飞行时间进行预测.分析终端区航空器飞行特点和进场航空器飞行时间的影响因素并且提出了影响飞行时间预测的22个重要特征.引入密度聚类DBSCAN方法,聚类得到交通流的不同路径类别.建立了基于集成机器学习算法XGBoost的飞行时间预测模型,以云南昆明终端区为例,对模型进行了训练、验证和测试,并以平均相对误差和均方误差为评价指标来分析预测结果的误差.结果表明:与线性回归、支持向量机回归和人工神经网络方法相比,本文模型对飞行时间的预测结果最好,±5 min内的预测准确率达到95.18％.
文献关键词：
空中交通管理;飞行时间预测;XGBoost;进场航空器
中图分类号：
作者姓名：
徐文英;王大军;卢朝阳;顾明昕
作者机构：
南京航空航天大学 民航学院,南京 211106;兰州中川国际机场,兰州 730087;东部机场集团有限公司,南京 210006
文献出处：
引用格式：
[1]徐文英;王大军;卢朝阳;顾明昕-.基于XGBoost算法的终端区进场航空器飞行时间预测)[J].北京交通大学学报,2022(06):72-79
A类：
飞行时间预测
B类：
XGBoost,终端区,进场航空器,离场,密度聚类,DBSCAN,交通流,不同路径,集成机器学习,机器学习算法,时间预测模型,云南昆明,平均相对误差,均方误差,分析预测,支持向量机回归,人工神经网络,神经网络方法,预测准确率,空中交通管理
AB值：
0.225861
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。
