發(fā)布時間：2018-01-03 23:05

  本文關鍵詞：基于時間序列數(shù)據(jù)分析的飛機延遲預測研究　出處：《南京郵電大學》2015年碩士論文　論文類型：學位論文

  更多相關文章： 航班預測 樣條曲線 ARIMA 多元回歸

【摘要】：如今,社會的發(fā)展不僅創(chuàng)造了各種物質財富,同時也產生了海量的數(shù)據(jù)財富。如何利用這些數(shù)據(jù)提高人們的生活品質,便要求我們能夠利用這些海量數(shù)據(jù)進行有效地分類,精確地分析,再加上可靠地預測。在運用了大量時間序列數(shù)據(jù)的基礎上,本文提出了兩種新的基于樣條曲線、ARIMA模型和多元線性回歸的航班晚點預測模型。第一種預測模型是飛機晚點通用預測模型,該模型將晚點因素分為季節(jié)、起飛時間段和隨機因素三大類,季節(jié)和起飛時間段兩大因素運用權重型樣條曲線進行擬合,而殘差項隨機因素類則運用ARIMA模型進行擬合以使誤差降到最低,該模型不僅有良好性預測性,而且可以在一個相對長期的范圍內進行預測。第二種預測模型則是針對飛機到達晚點進行實時預測的一種新模型,該模型涵蓋了起飛天氣、航空公司、國家航空系統(tǒng),安全性和前一次晚點飛機等眾多重要因素,通過樣條曲線和多元回歸模型,在運用大量相對應的時間序列數(shù)據(jù)的基礎上進行建模,并實時抓取天氣數(shù)據(jù),航班信息來對航班晚點進行實時預測。同時在此模型的基礎上實現(xiàn)了航班預測網站,以更好的展示文本的研究成果。實驗表明,該模型有著良好地預測性以及實用性。
[Abstract]:Nowadays, the development of society has not only created a variety of material wealth, but also produced a huge amount of data wealth. How to use these data to improve people's quality of life. It requires us to use these massive data for effective classification, accurate analysis, plus reliable prediction, on the basis of the use of a large number of time series data. This paper presents two new models of flight delay prediction based on spline curve Arima model and multivariate linear regression. The first one is the general prediction model of aircraft delay. The model divides the delayed factors into three categories: season, take-off time and random factors, and applies the weighted spline curve to fit the two factors. The residual random factor class is fitted with ARIMA model to minimize the error. This model not only has good predictability. And it can be predicted in a relatively long-term range. The second model is a new model for real-time prediction of aircraft arrival delay, which covers the take-off weather, airlines. Many important factors, such as national aviation system, safety and the previous delayed flight, are modeled on the basis of using a large number of corresponding time series data through spline curves and multivariate regression models. And real-time grab weather data, flight information to predict the flight delay in real time. At the same time, on the basis of this model, the flight prediction website is implemented to better display the research results of the text. The model has good predictability and practicability.
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：V352

【相似文獻】

相關期刊論文 前10條

1 張成;王興春;;空中機動目標航路預測模型[J];火力與指揮控制;2007年09期

2 李楷;;論汽車整車庫存預測模型的構建[J];現(xiàn)代商貿工業(yè);2008年05期

3 趙國清;張少勇;;關于成長曲線預測模型參數(shù)識別的一點看法[J];哈爾濱科學技術大學科學報告會論文摘要匯編;1985年S1期

4 左常勇;;隨機疲勞壽命分布預測模型[J];機械強度;1988年02期

5 ;《節(jié)能管理和預測模型》[J];中國能源;1991年08期

6 劉沐宇,鄭澤岱;灰色預測模型及在巷道收斂位移中的應用[J];非金屬礦;1992年05期

7 張步涵;鄭琢非;;灰色預測模型在農電規(guī)劃中的應用[J];水電能源科學;1993年02期

8 陳淑敏;王秀英;;指數(shù)預測模型及參數(shù)識別[J];哈爾濱科學技術大學學報;1993年03期

9 陳傳波,劉廣宇;實時參量預測模型及其分析[J];湖北工學院學報;2001年04期

10 梅國建;張向波;徐宗昌;溫再華;;基于支持向量分類的裝備完好性預測模型[J];裝甲兵工程學院學報;2009年01期

相關會議論文 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預測[A];第九屆中國青年信息與管理學者大會論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應神經模糊推理系統(tǒng)的服務業(yè)發(fā)展預測模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預測模型的選擇及其智能化實現(xiàn)[A];科學決策與系統(tǒng)工程——中國系統(tǒng)工程學會第六次年會論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機的預測模型及應用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 李陽旭;鄧輝文;;一種新的企業(yè)市場預測模型及其比較研究[A];2004年中國管理科學學術會議論文集[C];2004年

6 馬志元;;城市區(qū)域經濟、人口、能源、環(huán)境綜合系統(tǒng)預測模型及應用[A];中國城市建設與環(huán)境保護實踐——城市建設與環(huán)境保護學術研討會論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產量的灰色預測模型[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學術年會論文集[C];2007年

10 肖會敏;樊為剛;;基于神經網絡的糧食產量預測模型[A];04'中國企業(yè)自動化和信息化建設論壇暨中南六省區(qū)自動化學會學術年會專輯[C];2004年

相關重要報紙文章 前10條

1 劉慶;“預測模型”要緩行[N];網絡世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設計價格預測模型見成效[N];中國石油報;2010年

3 南方日報記者 彭琳　實習生 周鵬程;預測世界杯之外 大數(shù)據(jù)還能做什么[N];南方日報;2014年

4 本報記者 張超;預測模型：推算SARS起落潮[N];科技日報;2003年

5 本報記者 段佳;機器“品肉師”替您“嘗鮮”[N];大眾科技報;2010年

6 BMC首席IT技術官 Mahendra Durai　IDC顧問 Eric Hatcher Randy Perry;預測智能：管理復雜基礎架構的鎖鑰[N];中國計算機報;2010年

7 張琳 趙偉;巧用Excel構建利潤預測模型[N];財會信報;2007年

8 楊宜勇（作者為國家發(fā)改委經濟研究所副所長）;發(fā)揮信息化對就業(yè)的“增補效應”[N];第一財經日報;2005年

9 本報記者 湯潯芳　實習記者 董文萍;“孵化器”模式：大數(shù)據(jù)的垂直運營樣本[N];21世紀經濟報道;2014年

10 本報記者 安豐;深部找礦的探鏡[N];中國國土資源報;2006年

相關博士學位論文 前10條

1 師懿;城市交通規(guī)劃環(huán)評中空氣污染預測模型研究[D];中國地質大學;2015年

2 張麗;牦牛肉用品質特性及近紅外預測模型和產量等級系統(tǒng)的研究[D];中國農業(yè)科學院;2015年

3 周闖;原發(fā)性肝癌術后轉移復發(fā)分子預測模型的優(yōu)化整合與臨床轉化[D];復旦大學;2012年

4 孫忠林;煤礦安全生產預測模型的研究[D];山東科技大學;2009年

5 王冬光;控制技術在投資預測模型建立中的應用研究[D];哈爾濱工程大學;2005年

6 張麗峰;中國能源供求預測模型及發(fā)展對策研究[D];首都經濟貿易大學;2006年

7 王育紅;灰色預測模型與灰色證據(jù)組合模型研究及應用[D];南京航空航天大學;2010年

8 崔立志;灰色預測技術及其應用研究[D];南京航空航天大學;2010年

9 崔杰;灰色不確定系統(tǒng)建模的理論與方法研究[D];南京航空航天大學;2010年

10 顏魯春;異味強度預測模型及其在惡臭評價中應用研究[D];北京科技大學;2015年

相關碩士學位論文 前10條

1 劉冰;基于神經網絡的纖維熱磨過程能耗預測模型的研究[D];東北林業(yè)大學;2015年

2 張念;鐵路軌道幾何不平順趨勢預測的關鍵算法研究[D];西南交通大學;2015年

3 田振偉;城市能源預測模型的研究與應用[D];昆明理工大學;2015年

4 吳迪;基于模糊決策樹算法的安全庫存量預測模型[D];中國地質大學(北京);2015年

5 齊雯;采用灰色預測模型改進的HHT算法在故障診斷中的應用[D];華南理工大學;2015年

6 王萍;膀胱癌遺傳分數(shù)的計算及發(fā)病風險預測模型的構建[D];復旦大學;2013年

7 石大宏;基于序列的蛋白質—核苷酸綁定位點預測研究[D];南京理工大學;2015年

8 熊盛華;基于BP神經網絡的混合預測模型的實例研究[D];蘭州大學;2015年

9 趙Z，

本文編號：1375968