基于多变量混沌时间序列的航班运行风险预测模型

来源期刊：工程科学学报2020年第12期

论文作者：王岩韬 李景良 谷润平

关键词：航班运行风险;风险预测;多变量混沌时间序列;相空间重构;神经网络;

摘    要：为了提升航班运行风险预测精度,基于某航空公司2016—2018年航班运行风险数据,在验证15个风险时间序列的混沌特性后,构建基于多变量混沌时间序列的风险预测模型.首先,对15个风险时间序列进行多变量相空间重构,采用主成分分析法（PCA）对相空间进行降维处理;然后,基于迭代预测的方式,分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型;最后,以降维后的相空间作为输入,计算并比较分析未来1～7 d的风险预测结果.结果表明:多变量相空间重构后总维数为62维,经PCA降维处理,降至31维;在不同的预测模型中,降维后RBF模型预测效果最佳;其中,预测第1天结果相对误差<25%出现频数为82.62%,至第5天仍达75%以上;该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%,且前5 d均低于20%,满足航空公司使用要求.1～5 d预测结果对航班风险管控具有实践操作价值,证明基于多变量混沌时间序列的风险预测方案可行、有效.