基于气象因素的机场进离港延误预测

作者：姜雨^*; 袁琪; 胡志韬; 吴薇薇; 顾欣

来源：系统工程与电子技术, 2023, 45(06): 1722-1731.

• 机场延误预测
• 图卷积神经网络
• 气象因素
• 机场网络
• 深度学习

针对机场延误预测过程中难以提取延误传播时空特征、预测结果受天气扰动大的问题，提出了基于气象因素的时空图卷积网络(meteorology-based spatio-temporal graph convolutional networks, MSTGCN)机场延误预测模型。该模型使用图卷积神经网络(graph convolutional neural network, GCNN)与门控卷积神经网络(gated convolutional neural network, Gated CNN)挖掘机场延误的时空特征，同时加入气象特征提取模块对机场延误时间进行预测。实验结果表明，该模型在中短时预测上的表现均优于其他对比模型；相较于不考虑气象因素的模型，MSTGCN对未来1 h、4 h和12 h预测的平均绝对误差分别降低了7.03%,7.93%,11.54%,对预测结果起到了极大的修正作用。

• 单位
  北京工业大学; 南京航空航天大学