改进ConvNeXt网络的航班延误预测模型优化研究

作者：何彩虹; 王辉; 张智铭; 王骋洋; 檀萝帆

来源：航空计算技术, 2023, 53(04): 19-23.

DOI：10.3969/j.issn.1671-654X.2023.04.005

• 航班延误
• ConvNeXt
• 数据处理
• 深度学习
• 分类

航班延误预测已在航班延误领域得到广泛应用，由于航班数据存在噪声和样本失衡等问题，导致航班延误预测结果在召回率方面表现较差。提出一种改进ConvNeXt航班延误预测模型提取天气延误航班数据的进行数据增强，并使用类权重改善样本失衡，再优化ConvNeXt的网络结构和卷积核大小。收集处理美国亚特兰大和中国上海虹桥机场数据进行试验。实验结果表明，改进ConvNeXt具较好的特征提取能力和泛化性能，相比于标准的ConvNeXt模型，其预测准确率提升了4%,召回率提升了7%,相比于随机森林等集成学习，AUC分数提高了1.4%。

• 出版日期2023
• 单位中国民航大学