基于LightGBM的航班延误多分类预测

航班延误是民航业的一大难题，提前对航班的延误情况进行预测，以采取合理的应对措施，对缓解航班延误产生的负面影响有着重要意义。为提升预测性能，提出一种基于轻量级梯度提升机（Light gradient boosting machine，LightGBM）的航班延误多分类预测模型。该模型结合航班信息与天气信息，运用方差过滤与递归特征消除进行特征筛选，并采用合成少数过采样技术（Synthetic minority oversampling technique，SMOTE）与Tomek Link对数据进行不平衡处理，最后使用LightGBM进行建模，实现对航班延误时长的多分类预测。为验证模型的合理性，将所提模型与其他先进算法构建的模型进行对比。实验结果表明，所提模型在各种预测性能指标上结果更优，将预测精度提升至90%以上，同时大幅度降低了训练时间成本。

Multi-classification Prediction of Flight Delay Based on LightGBM