典型文献
基于SSA-BP的离港航班滑出时间预测
文献摘要：
针对传统反向传播(back propagation,BP)神经网络在离港航班滑出时间预测时存在对初始权值和阈值敏感、准确性和稳定性不好等缺点,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)获取BP神经网络的最优权值和阈值的方法.首先分析了离港航班滑出时间的可量化影响因素及相关性,然后构建了基于SSA-BP的离港航班滑出时间预测模型,并采用中国中南某枢纽机场2周的实际运行数据对预测模型进行了验证.结果表明:离港航班滑出时间与同时段滑行的离港航班数量强相关,与同时段滑行的进港航班数量、同时段推出的离港航班数量、平均滑出时间中度相关,与滑行距离和转弯个数弱相关;基于SSA优化后的BP神经网络预测结果误差在±60 s内的准确率提升了20％,误差±180 s内的准确率提升了12％,误差±300 s内的准确率提升了7％.;预测结果的平均绝对误差百分比提升了2.61％,平均绝对误差减少了11.73 s,均方根误差减少了61.03 s.研究成果为提升大型枢纽机场场面运行效率提供了思路.
文献关键词：
滑出时间;反向传播(BP)神经网络;麻雀搜索算法(SSA);机场场面运行效率
中图分类号：
作者姓名：
黄龙杨;夏正洪;贾鑫磊
作者机构：
中国民用航空飞行学院空中交通管理学院,广汉618307
文献出处：
引用格式：
[1]黄龙杨;夏正洪;贾鑫磊-.基于SSA-BP的离港航班滑出时间预测)[J].科学技术与工程,2022(16):6607-6612
A类：
B类：
SSA,离港航班,航班滑出时间,滑出时间预测,反向传播,back,propagation,权值,麻雀搜索算法,sparrow,search,algorithm,时间预测模型,实际运行,运行数据,滑行,班数,进港,行距离,转弯,神经网络预测,准确率提升,平均绝对误差,大型枢纽机场,机场场面运行效率
AB值：
0.16577
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。
