基于分布式混合灰狼蝗虫优化算法航班延误预测

涂胜红， 陈宏伟， 杨威威， 杨智慧

(湖北工业大学计算机学院， 湖北 武汉 430068)

世界航空货运预测：航空市场将保持4.7%的增速[1]。随着航班数量增加，航班延误和取消的现象变得越来越普遍。航班延误和取消不仅影响个人出行，也严重损害航空公司的声誉和利益[2]，对我国民航业的发展造成阻碍。近年来国内外研究者对航班延误预测进行了一些研究，Khanmohammadi采用多层级ANN挖掘航班数据集输入变量与输出变量关系[3]；Farshchian等人提出了一种基于深度学习的航班延误预测模型，结合堆栈的自动去噪编码技术提高模型预测准确率[4]；Yu等采用深度信念网络与支持向量机融合方法在大型数据集捕获特征方面具有很好的效果[5]；李华峰采用贝叶斯网络拓扑结构相结合的方法建立预测模型，另外加入影响航班延误因素，进一步建立航班延误波及传递的贝叶斯网络模型[6]；张兆宁等人基于SEIR思想将航班分为正常、延误、延误传播及恢复四种状态，通过计算基本再生的值来预测下一时段的航班延误发生[7]；王语桐等人采用支持向量机和多元线性回归方法建立组合预测模型，对航班延误进行预测[8]。

本文使用基于机器学习的分类方法，通过对航班延误数据集的各个特征分析，确定与航班延误相关的特征因素，运用随机森林分类算法，得到航班延误预测等级。为确定最优的随机森林分类模型，使用分布式灰狼蝗虫优化算法对随机森林的参数进行调优。数据集实验结果显示，优化后的航班延误预测的准确率更高，运行时间更少。……