摘要
航班延误是引起乘客投诉的主要原因.针对航班延误预测问题,以一维卷积神经网络为基础,提出了一个航班延误预测网络.该网络融合了多种影响航班延误的相关性因素,利用金字塔池化层以适应不同长度的样本数据,同时引入密集连接结构及注意力模块对网络进行改进以提升准确率和精确率.针对数据不平衡导致的召回率偏低的问题,从算法和数据两个角度进行优化.在算法角度,使用代价敏感损失函数对不平衡数据和难易样本进行权重平衡;在数据角度,采用生成对抗网络对延误样本做数据增强以平衡航班数据.实验结果表明:相对于基准网络,本文模型的F1值提升了8.5%.使用代价敏感损失函数后,模型的准确率得到了小幅提升,而模型的召回率提升了1.6%.同时,使用深度生成网络平衡航班数据后,模型的召回率提升了15.8%.
-
单位北京交通大学; 中国民航科学技术研究院; 电子信息工程学院