基于改进ICEEMDAN的航班延误短期预测研究

针对航班延误难以实现短期精确预测的问题,提出基于改进自适应噪声集合经验模态分解(ICEEMDAN)去噪方法结合支持向量机(SVM)的预测模型。通过ICEEMDAN算法把原始航班延误序列分解为模态分量,并使用相关函数分析判定分量中混合噪声并进行SG滤波处理;再根据分量特征对各分量建立SVM回归预测模型;最后将各分量模型预测值叠加得到最终预测数据。实验结果表明,改进的组合预测模型相对ICEEMDAN-SVM模型均方根误差和平均绝对百分比误差分别降低8.7%和11.9%,预测模型对航班延误序列波动表现出良好的跟随能力和较强的泛化能力。