买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:青岛民航凯亚系统集成有限公司
摘要:本发明属于民航信息处理技术领域,公开了一种民航重要活动抵离信息处理方法及系统。该方法对数据源进行采集和预处理,对数据预处理数据源数据进行特征提取和建模;对预测模型进行训练和优化;对处理的结果进行结果验证和修正;对预测模型持进行持续的训练和优化,适应不断变化的数据和需求。本发明能够更好地捕捉到民航重要活动抵离信息数据中的时序特征和规律,提高了预测的准确性和稳定性。可以为民航公司、机场管理部门等提供重要的数据分析和预测工具,帮助其更好地进行航班调度和资源管理,提高了民航运输的安全性和效率。
主权项:1.一种民航重要活动抵离信息处理方法,其特征在于,该方法包括:S1,对数据源进行采集和预处理;所述数据源包括:航班信息、机场信息、天气信息、人员抵离信息、人员去往意向、附近公路交通信息;S2,对数据源数据进行特征提取和建模;特征提取包括:从原始数据中提取出反映数据特征和信息的指标或属性,将特征提取的数据输入到采用深度学习算法建立的抵离信息预测模型;S3,对抵离信息预测模型进行训练和优化,训练优化完成后,进行抵离信息的预测和处理,并将处理的结果输出到平台上,供查询和使用;S4,对处理的结果进行结果验证和修正,在抵离信息预测模型预测出现偏差或错误时,通过人工干预或调整抵离信息预测模型参数修正结果;S5,对抵离信息预测模型持进行持续的训练和优化,持续调整各输入参数所影响结果的权重比例,适应不断变化的数据和需求;S6,将训练完毕的抵离信息预测模型,投入到实际中,为决策者不断提供决策建议;在步骤S2中,在特征提取前,进行特征选择,特征选择的字段是根据字段出现的频率和人为定义的重要程度来定义的,表达式为: 式中,fn为特征值决定值,n为出现的频率,ρ为定义的重要程度,ρ值介于0-1之间,m为数据总量;当计算结果fn大于0.6时,则认为当前数据具有特征性,把当前数值作为特征值进行选择;从原始数据中选择出最具有代表性和区分度的特征子集,所述特征子集包括但不限于:航班信息特征:包括航班起飞时间、抵达时间、航班号、机型信息;机场信息特征:包括机场代码、航站楼、登机口信息;天气信息特征:包括气温、湿度、风向风速气象因素;其他信息特征:包括旅客前往目的地、前往目的地的方式、后续计划;在步骤S2中,建立的抵离信息预测模型,包括:数据集构建:将前期收集、清理及特征提取过的数据分成三份,一份是训练集,一份是验证集,一份是测试集;构建长短期记忆LSTM模型:使用LSTM模型作为深度学习的底层,选择多个LSTM层增加模型的深度,LSTM层依次堆叠在一起,形成深层的LSTM网络;在步骤S3中,对抵离信息预测模型进行训练和优化,包括:LSTM的训练过程,使用反向传播算法和随机梯度下降优化算法;在训练过程中,通过计算损失函数关于权重的梯度,并使用随机梯度下降优化算法更新权重,以最小化损失函数;在预测模型训练后优化完成后进行抵离信息的预测和处理包括:在抵离信息预测模型训练完成之后,进行评估和调优,评估过程中,使用测试集中的数据进行,评估模型在未知数据上的预测性能;评估指标包括均方误差MSE、平均绝对误差MAE、准确率;用于衡量抵离信息预测模型的预测准确性和泛化能力;如果三种数据都在符合的范围内,则抵离信息预测模型通过;如果抵离信息预测模型性能不准确,通过调整模型结构、调整超参数方法进行调优。
全文数据:
权利要求:
百度查询: 青岛民航凯亚系统集成有限公司 一种民航重要活动抵离信息处理方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。