一种深度学习的航班延误预测方法

一种深度学习的航班延误预测方法(中文5500字,英文PDF)
摘要-深度学习在图像识别、语音识别、机器翻译等各种机器学习任务上都有了显著的改进。在该范例取得巨大成功的启发下, 人们尝试将深度学习算法应用于具有大数据的数据分析问题，包括交通流量预测。然而, 并没有试图将深度学习算法应用于空中交通数据的分析。本文研究了深度学习模型在空中交通延误预测任务中的有效性。通过结合基于深度学习范例的多个模型, 建立了一个准确而稳健的预测模型, 从而能够对空中交通延误的模式进行详细的分析。特别是递归神经网络 (RNN) 在序列数据建模方面表现出了很高的准确性。单个机场的出发和到达航班延误的日常序列已经由长短期记忆 RNN 体系结构建模。结果表明, 随着体系结构的深入, RNN 的精度得到了提高。本文还讨论了构建深 RNN 体系结构的四种不同方法。最后, 对所提出的预测模型的精度进行了测量、分析, 并与以往的预测方法进行了比较。与所有其他方法相比, 它显示出最佳的准确性。