航空器滑行时间预测研究

摘要

滑行时间是评价机场运行效率的一个重要指标，其预测的准确性对优化飞机进离场排序、节约油耗能源、提高机场效益有重要作用.为准确预测航空器滑行时间及识别影响航空器滑行时间的因素，该文利用深度学习对航空器的滑行时间进行预测，并分析不同因素变化对滑行时间的影响.首先，根据机场运行特点，将参数分为静态参数和动态参数；其次，利用深度学习算法建立基于注意力机制的神经网络模型(D-LSTM)来预测航空器滑行时间；最后，分析不同参数对模型预测准确性的影响，并以某大型机场运行数据为例进行分析.分析结果显示：D-LSTM模型对滑行时间预测的准确率为0.86,对滑入时间预测的准确率为0.90.经对比分析，该预测算法优于现有其他算法.

关键词

滑行时间预测 / 深度学习 / 注意力机制 / 动态参数