基于多种机器学习方法的航班延误分类问题研究.pdfVIP

摘要

摘要

出行是我们日常生活中不可避免的一部分随着人们对于航空出行接受

程度的提高由于航班延误造成的经济损失成为了人们热议的话题根据美国

联邦航空管理局公布的统计数据美国年仅由于航班延误带来的损失就高

达亿美元无论对于航空公司还是乘客来说这都是一笔巨大的损失随着

经济的迅速发展我国在民航市场的需求也在不断增加年我国全年机场

完成旅客吞吐量亿人次完成飞机起降万架次已达到美国同年的

水平目前也同样面临着由于航班延误带来的经济损失问题本文的出发点是

通过分析美国的航班延误数据采用多种不同的方法构建相应的航班延误预

测模型并通过对比各方法从中选出最优模型进而可以在之后的工作中把文

中所用的多种方法推广到我国航班延误的相关分析中通过技术手段规避相

应的风险减少不必要的损失

本文数据取自美国运输统计局是年美国主要航空公司的航班数据

由于航班的延误情况具有相似性和共通性所以文章中对于美国航班延误情

况的分析方法可以推广并运用到对于中国航班延误情况的分析中本文首

先对数据进行预处理补充缺失数值并创建新变量接着分别分析了数据中

主要变量与航班延误情况的相关性并将其可视化直观地展现出来在经过

变量处理后的新数据集中使用回归、基于算法的决策树、基

于算法的决策树、随机森林算法、算法、仅采用生成

的新特征作为变量的回归、合并生成的新特征与原始特征作

为变量的回归以及基于高斯核函数的支持向量机对航班延误的情况进

行分类并结合准确率、精确率、召回率、值

和值评价各方法的分类效果

在本文的八种方法中综合表现最优的方法为基于高斯核函数的支持向量

机它在识别航班延误时效果显著在选择最优方法时主要比较值并且

由于将延误航班错判为准时航班会给航空公司带来较大的损失所以也需要格

外重视召回率回归在召回率方面的效果最为突出但与基于高斯核函

摘要

数的支持向量机相比在值、准确率、精确率和值上效果不佳随机森林

和将多棵决策树进行集成比起单一的基于算法的决策树和基

于算法的决策树有更加优秀的分类性能两种组合与回

归的方法能够生成变量间的非线性关系并且结合了二者的思想但并没有取

得预期的效果这说明优秀的方法不一定适合所有数据需要具体问题具体分

析

在航班延误的分类研究中需要综合采用多种方法分析影响航班延误的

关键性因素并进行预测同时在实际工作中积极做好应对准备采取有效的措

施最大程度上减轻航班延误带来的不利影响

关键词:航班延误回归决策树随机森林支持向量机

Abstract

$