...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Aerospace science and technology >A novel hybrid method for flight departure delay prediction using Random Forest Regression and Maximal Information Coefficient
【24h】

A novel hybrid method for flight departure delay prediction using Random Forest Regression and Maximal Information Coefficient

机译：一种使用随机森林回归和最大信息系数的飞行偏移延迟预测的新型混合方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Flight departure delay prediction is one of the most critical components of intelligent aviation systems. The accurate prediction of flight departure delays can provide passengers with reliable travel schedules and enhance the service performance of airports and airlines. This article proposes a hybrid method of Random Forest Regression and Maximal Information Coefficient (RFR-MIC) for flight departure delay prediction. Random Forest Regression and Maximal Information Coefficient are inherently fused in terms of Information Consistency. Furthermore, this article focuses on utilizing flight information on multiple air routes for flight departure delay prediction. To validate the proposed flight departure delay prediction model, a numerical study is conducted using flight data collected from Beijing Capital International Airport (PEK). The proposed RFR-MIC model exhibits good performance compared with linear regression (LR), k-nearest neighbors (k-NN), artificial neural network (ANN), and standard Random Forest Regression (RFR). The results also show that flight information on multiple air routes can certainly improve the accuracy of flight departure delay prediction. (C) 2021 Elsevier Masson SAS. All rights reserved.
机译：飞行出发延迟预测是智能航空系统最关键的组件之一。准确的飞行偏移延误预测可以为乘客提供可靠的旅行时间表，并增强机场和航空公司的服务性能。本文提出了一种用于飞行偏移延迟预测的随机森林回归和最大信息系数（RFR-MIC）的混合方法。随机森林回归和最大信息系数在信息一致性方面本质上融合。此外，本文侧重于利用关于飞行偏移延迟预测的多个空中航线的航班信息。为了验证所提出的飞行偏移延迟预测模型，使用从北京资本国际机场（PEK）收集的飞行数据进行了数值研究。该提出的RFR-MIC模型与线性回归（LR），K最近邻居（K-NN），人工神经网络（ANN）和标准随机林回归（RFR）相比表现出良好的性能。结果还表明，关于多个空气路线的飞行信息肯定可以提高飞行偏移延迟预测的准确性。 （c）2021 Elsevier Masson SAS。版权所有。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号