基于EEMD和BiLSTM的航班准点率预测研究

航班准点率问题是民航业最为关心的问题之一，准确地预测出航班的准点率能够有效降低航班延误所带来的不利影响、提高乘客满意度。为解决普通深度学习预测模型存在的航班准点率数据挖掘程度不足、预测准确度较低的问题，提出一种基于集合经验模态分解法(EEMD)和双向长短时记忆神经网络(BiLSTM)的机场短期航班准点率预测模型。模型使用EEMD算法将准点率时间序列进行分解，采用BiLSTM结构作为预测模型，使模型能够更深层、高效地处理航班准点率数据，提高预测准确度。实验数据为2018年上海虹桥机场航班准点率及天气数据，实验建立了多个参照模型与所提模型进行对比分析。结果表明：提出的EEMD-BiLSTM模型相较于一般模型预测误差更小，准确度更高。