离港航班可变滑出时间预测方法及应用

考虑离港航班可变滑行时间的可量化影响因素,构建了基于反向传播(back propagation,BP)神经网络的离港航班可变滑出时间预测模型,采用遗传算法(genetic algorithm,GA)优化BP神经网络的权值和阈值,并提出基于可变滑出时间预测结果的航空器推出控制策略。最后,基于中国中南某枢纽机场2周的实际运行数据对预测模型及控制策略进行了验证。结果表明:离港航班的可变滑出时间与机场场面交通流有强相关性,与平均滑出时间中度相关,与滑行距离相关性和转弯个数相关性较弱;基于GA优化后的BP神经网络预测结果误差在±60、±180、±300 s内的准确率分别提升了14%、10%和5%;预测结果的平均绝对误差百分比提升了1.87%,平均绝对误差和均方根误差分别减少了3.58 s和32.45 s。基于可变滑出时间预测的离港推出策略比实际推出时间平均晚68 s。研究成果为提升大型枢纽机场场面运行效率和协同决策能力提供了新的思路。