航班到港延误时长预测及特征分析

作者：丁建立; 杨锟

来源：河北科技大学学报, 2023, 44(03): 246-255.

• 航空运输管理
• 延误预测
• 极限梯度提升
• 参数寻优
• 可解释性
• 特征选择

为破除XGBoost模型的黑盒特性，增强模型的说服性，提出一种基于SHAP的可解释性航班到港延误时长预测模型。首先，对航班历史数据、天气数据进行融合，在融合数据的基础上进行异常值处理，并利用递归特征消除方法进行特征选择；其次，构建航班延误时长预测模型，利用遗传算法进行参数调优，并与目前常用的模型进行对比；最后，在航班延误时长预测的基础上结合SHAP模型，从总体特征和特征间的相互关系2个角度分析特征的重要程度。实验结果表明，经过遗传算法调优的XGBoost模型预测精度更高，其中MAE降低了8.94%,RMSE降低了19.85%,MAPE降低了6.15%,且其模型精度更高。因此，SHAP模型破除了XGBoost模型的黑盒特性，增强了模型的可解释性，可为降低航班延误时长提供技术支持。

• 单位
  中国民航大学