论文部分内容阅读
航班延误是限制民航业发展的难题之一。随着“大数据”时代到来,如果能基于数据挖掘等新技术与决策支持理论开展航班延误预测研究,进而可对航班延误情况进行预警,这将对航空公司制定航班计划和安排延误航班后续保障工作有很大帮助。本论文以航空公司的航班延误预测为应用背景,分析大量航班历史运行数据,挖掘数据内在特征,找出延误波及变化趋势和各要素之间的关联性,为航班延误预警管理提供理论与方法支持。本文的主要研究工作如下：1.根据民航规章和航空公司调研数据,归纳总结了航班延误相关概念及延误原因。研究数据挖掘技术中分类和预测的相关模型及算法,提出了预测在航空公司运行管理过程中的重要作用。2. 针对短周期航班计划的延误预测分析。以时间序列数据挖掘算法为主要建模方法,采用层次分析法(AHP)提出了以延误率、平均延误时间、延误旅客人数为评价指标的航班延误状态描述方法,分别建立了基于马尔科夫链(Markov)和时间序列的航班延误预测分析模型,针对评价指标预测时间序列属性后续状态,并以算例仿真结果对比分析模型的优劣性。3.针对指定航班计划的延误预测分析。以贝叶斯网络(BN)和动态贝叶斯网络(DBN)推理为主要建模方法,通过建立航班数据的贝叶斯网络分析模型,得到不同条件下航班延误情况概率分布；研究了动态贝叶斯网络推理和仿真过程,提出了一种用于构建航班延误预测模型的新方法,建立了实际航班数据的隐马尔科夫(HMM)延误预测分析模型,利用隐马尔科夫模型中解码问题Viterbi算法实现了航班延误时间的预测,该方法提高了航班延误预测对象的精确性,并给出实例仿真过程,验证了模型的有效性。4.航班延误预警机制的研究。以模糊数学为主要建模方法,将预警管理理念应用到航班延误预测分析过程中。运用模糊层次分析法确定延误预警指标体系,利用模糊综合评判法对航班延误状况进行了综合评价。最后以航空公司实际运行数据进行了实例仿真,评价结果表明,预警指标能较准确地反映航班延误状况,评价结果客观,可为航空公司延误预警管理工作提供支持。