基于MHSA和C- BiGRU的航班延误预测研究

针对普通神经网络预测人为因素造成的航班延误能力不足的问题，提出了一种基于多头自注意力机制和卷积双向门控循环单元的预测模型(MHSA-C-BiGRU)对航班延误问题进行研究。模型采用卷积双向门控循环单元(C-BiGRU)提取局部信息和上下游数据的时序信息，利用多头自注意力机制(MHSA)的并行能力从不同位置提取数据内部之间的特征，强化重要信息的权值，使模型聚焦到对当前任务更重要的信息，从而增强模型分析人为因素造成的航班延误的能力。研究使用2018年上海浦东机场的航班数据和气象数据。结果表明，预测模型相对于基础模型的预测准确率提高了4.4%,各项宏平均值有8%的提高，各项权重平均值有5%的提高。