典型文献
基于DBN-SVM的航班延误内在模式分析
文献摘要：
空中交通系统作为典型复杂系统,其非线性聚合的动力学特征给延误预测带来挑战,使延误预测问题保持着开放性.对于航班延误这类考虑多因素的问题,研究采用深度置信网络支持向量机(DBN-SVM)回归方法建立航班延误预测模型,方法用来挖掘航班延误的内在模式,将支持向量回归嵌入到开发的模型中,使其能够在提出的预测体系结构中执行有监督的微调,并将交通管理措施(TMI)中一些关键影响因素,作为高斯伯努利(GBRBM)的隐藏层,作为模型的下一个可见层,将TMI关键因素添加至模型中,有助于减少整体延迟.对于测试集的不平衡高维数据集,研究将采用准确性,敏感性来评估因变量和解释变量之间的关系,最后数据表明DBN-SVM模型的延误预测准确度达到89.39％,可为流量管理自动化计算提供一定理论依据.
文献关键词：
空中交通管理;航班延误预测;深度置信网络支持向量机;数据挖掘
中图分类号：
作者姓名：
朱代武;陈泽晖;刘豪
作者机构：
中国民用航空飞行学院,四川 广汉618000
文献出处：
引用格式：
[1]朱代武;陈泽晖;刘豪-.基于DBN-SVM的航班延误内在模式分析)[J].航空计算技术,2022(01):36-40
A类：
深度置信网络支持向量机,GBRBM
B类：
DBN,模式分析,交通系统,复杂系统,动力学特征,航班延误预测,支持向量回归,预测体系,体系结构,有监督,微调,TMI,关键影响因素,伯努利,测试集,高维数据,因变量,预测准确度,流量管理,自动化计算,空中交通管理
AB值：
0.222408
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。
