基于灰色/回归+马尔可夫模型的航班流量预测

合理准确的航班流量预测是制定相关管制方案和地面保障程序的前提。建立灰色/回归+马尔可夫组合模型进行航班流量预测,并以机场实际航班流量数据为例进行模型验证。首先使用灰色模型和多项式回归对航班流量的训练样本进行趋势性预测,选取精度高的模型作为趋势模型。其次用马尔可夫模型对预测结果进行修正并比较修正前后平均相对误差,结果表明,修正后的误差从1.07%降低到0.64%。最后对测试样本进行验证,其相对误差在5%以内,验证了模型的可行性。此研究可为机场及时调整管制方案、提高运行效率、保障运行安全提供理论依据。

基于相似日PSO-SVM的机场流量预测

机场流量的精准预测是实施航班控制策略、提高航班正常性的重要依据。为准确把握机场流量分布及变化趋势,提出一种基于机场相似日的粒子群优化支持向量机流量预测方法。首先,通过对目标机场在不同天气下的运行情况进行历史数据统计,构建相似度矩阵建立灰色聚类模型对机场相似日进行筛选;其次,采用粒子群优化的支持向量机方法对筛选出的相似日样本进行训练,对机场交通流量进行预测;最后,以广州白云机场的的运行情况为例进行验证。研究结果表明,所提方法较相似日-BP神经网络及传统的PSO-SVM预测方法精度分别提高了1.03%和5.28%,预测精度较高、稳定性较好,可充分反映交通流的动态变化。