典型文献
基于机器学习的跑道占用时间预测模型研究
文献摘要：
伴随着我国民航事业的迅速发展,运输需求不断增加,通过规范跑道占用时间来提升跑道运行效率成为必然要求.采用了人工神经网络(ANN)、循环神经网络(RNN)、极度梯度提升树(XGBoost)、支持向量机(SVM)四种不同的机器学习方法构建跑道占用时间预测模型,并对建立的四种跑道占用时间预测模型预测结果进行对比分析.研究发现最适宜用来建立跑道占用时间预测模型的机器学习方法是人工神经网络,利用该方法建立的基于RNN的跑道占用时间预测模型预测效果最好,预测平均绝对误差仅为3.5130.该结论可以为未来研究跑道占用时间预测模型,规范跑道占用时间提供一定参考.
文献关键词：
跑道占用时间;人工神经网络(ANN);循环神经网络(RNN);极度梯度提升树(XGBoost);支持向量机(SVM)
中图分类号：
作者姓名：
陈亚青;张可欣;李颖哲
作者机构：
民航飞行技术与飞行安全重点实验室,广汉 618307;中国民用航空飞行学院民航飞行技术与飞行安全科研基地,广汉 618307;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]陈亚青;张可欣;李颖哲-.基于机器学习的跑道占用时间预测模型研究)[J].现代计算机,2022(24):1-7
A类：
B类：
基于机器学习,跑道占用时间,时间预测模型,民航事业,运输需求,人工神经网络,ANN,循环神经网络,RNN,极度,梯度提升树,XGBoost,机器学习方法,平均绝对误差
AB值：
0.148304
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。
