科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对航班延误预测模型中延误数据的时空动态相关性难以提取的问题，提出一种基于融合时空注意力的自适应图卷积循环神经网络(Attention-based Adaptive Graph Convolution-Gated Recurrent Unit， AAGC-GRU)的航班延误预测模型。首先，以机场为节点构建机场网络拓扑图，结合采用空间注意力机制及自适应图卷积神经网络，弥补图卷积神经网络对先验知识过度依赖的缺陷，同时增强模型对机场网络空间动态相关性的自动挖掘能力；其次，采用门控循环神经网络获取航班延误数据的时间相关性，并引入时间注意力机制来学习不同时间步数据的影响权重；然后，采用全连接层获取航班延误预测结果；最后，利用美国大型机场网络的航班离港准点率数据集进行实验，结果表明：AAGC-GRU模型的预测结果在平均绝对误差、均方根误差和平均绝对百分误差方面均优于梯度提升树、门控循环神经网络以及时空图卷积神经网络等基线模型。
- 单位
