基于特征选择的BP神经网络算法滑行时间预测

为准确预测离港航班滑行时间，基于数理分析同时段场面航空器滑行数量、平均滑行时间等因素对离港航空器滑行时间的影响。将皮尔逊相关系数与随机森林算法相结合减少冗余特征变量，建立基于BP神经网络的滑行时间预测模型，提高离港航空器场面滑行时间预测精度，并通过交叉验证证明预测结果的稳定性。预测结果表明：通过皮尔逊相关系数与随机森林组合模型进行特征选择可提高BP神经网络预测结果的精度，离港航空器的滑行时间预测误差在±5min内的占比由88.23%提升至92.26%,且预测效果较为稳定。模型可以精确预测离港航班的滑行时间，为机场运行提供决策依据。