基于自适应卡尔曼滤波与LSTM的航班延误预测研究
罗凤娥
郭玲玉
杜裕鑫
卫昌波
徐勇
中国民用航空飞行学院空中交通管理学院 广汉 618307
摘要：为了提高航班延误预测的准确性,研究提出了一种结合自适应卡尔曼滤波(ACKF)与长短期记忆网络(LSTM)的新型模型.传统LSTM在捕捉航班延误数据中的时间依赖性和非线性关系方面表现出色,但在处理极端延误事件时却存在明显局限,难以有效应对突发情况.为了解决这一问题,该研究引入自适应卡尔曼滤波,以对LSTM模型的预测结果进行动态调整,从而增强模型在面对极端事件时的适应能力.实验结果表明,ACKF-LSTM模型在均方误差(MSE)和均方根误差(RMSE)等评估指标上均优于传统LSTM以及其他机器学习模型,显著提升了航班延误时间的预测精度.
关键词：航班延误预测卡尔曼滤波LSTM时间序列深度学习
分类号：TN713(基本电子电路)
资助基金：中国民用航空局教育人才类项目(MHJY2023021)中国民用航空局教育人才类项目(MHJY2022037)中国民用航空飞行学院科研创新团队项目(JG2022-19)中国民用航空飞行学院科研创新团队项目(CZKY2023166)
论文发表日期：2025-01-19
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：5( 43-47 )
英文信息