论文部分内容阅读
针对航班延误难以实现短期精确预测的问题,提出基于改进自适应噪声集合经验模态分解(ICEEMDAN)去噪方法结合支持向量机(SVM)的预测模型。通过ICEEMDAN算法把原始航班延误序列分解为模态分量,并使用相关函数分析判定分量中混合噪声并进行SG滤波处理;再根据分量特征对各分量建立SVM回归预测模型;最后将各分量模型预测值叠加得到最终预测数据。实验结果表明,改进的组合预测模型相对ICEEMDAN-SVM模型均方根误差和平均绝对百分比误差分别降低8.7%和11.9%,预测模型对航班延误序列波动表现出良好的跟