基于XGBoost算法的终端区进场航空器飞行时间预测
徐文英1
王大军2
卢朝阳1
顾明昕3
1.南京航空航天大学 民航学院,南京 2111062.兰州中川国际机场,兰州 7300873.东部机场集团有限公司,南京 210006
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％.
关键词：空中交通管理飞行时间预测XGBoost进场航空器
分类号：V355(航空港（站）、机场及其技术管理)
资助基金：国家自然科学基金(71874081)
论文发表日期：2022-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 72-79 )
英文信息