解耦内在周期与多源异构依赖的航班量预测

摘要

精准的航班量预测对提升航空运行效率至关重要，但当前研究方法在刻画其复杂驱动机制方面存在核心局限：外部因素考虑不足；序列周期性建模存在缺陷；缺乏对航班量、协变量与外生变量这类多源异构变量间随时间变化的依赖关系的建模。为此，提出一种IDRC-GRU预测模型：通过残差建模显式剥离全局周期性，在引入外生变量的同时设计通道依赖模块刻画航班量、协变量和外生变量间的关联。核心GRU单元对处理后的复杂残差序列深度建模，实现多驱动因素的分治优化。基于10个机场的真实数据实验结果表明，IDRC-GRU在均方误差等多项指标上显著优于其他15种主流航班预测方法，展现出优异的预测精度与鲁棒性，验证了其协同处理内外驱动因素的能力，可为民航系统智能决策提供参考。

关键词

时间序列预测 / 短期预测 / 航班量预测 / 循环神经网络 / 民航运行检测与分析