Abstract：
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(ga-ted 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.
Keyword：
Reprint Author's Address：
Email：
Source ：
系统工程与电子技术
ISSN： 1001-506X
Year： 2023
Issue： 6
Volume： 45
Page： 1722-1731
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 19
Affiliated Colleges：
