面向恶劣天气的航班延误Stacking集成预测模型.pdfVIP

152BIGDATARESEARCH大数据

面向恶劣天气的航班延误

Stacking集成预测模型

12

孙玥，丁建立

1.中国民航大学宁河校区管理中心，天津300300；

2.中国民航大学计算机科学与技术学院，天津300300

摘要

天气因素作为影响航班延误的首要因素，对航班延误预测有重要影响。面向恶劣天气，对航班延误时长进

行多分类预测，并针对传统单一模型预测精度低、稳定性差等问题，提出一种基于Stacking的航班延误集

成预测模型，融合航班数据与天气数据特征，采用LightGBM、XGBoost等多个异质分类器作为基学习器，

SVM作为元学习器，构建堆叠式的双层集成学习框架。为验证模型有效性，构建多个单一模型与集成模型

进行比较。实验结果证明，Stacking集成预测模型性能最优，总体准确率达到95.25%，F1分数达到

0.9527。

关键词

航班延误预测；Stacking集成学习；多模型融合；恶劣天气

中图分类号：TP181文献标志码：Adoi：10.11959/j.issn.2096-0271.2025012

Flightdelaystackingensemble

predictionmodelforsevereweather

12

SUNYue,DINGJianli

1.TheManagementCenterofNingheCampus,CivilAviationUniversityofChina,Tianjin300300,China

2.CollegeofComputerScienceandTechnology,CivilAviationUniversityofChina,Tianjin300300,China

Abstract

Weatherfactors,astheprimaryfactorsaffectingflightdelays,haveanimportantimpactonflightdelayprediction.

Confrontingthesevereweather,multi-classificationpredictionofflightdelaydurationwasmade,andaStacking-based

integratedflightdelaypredictionmodelwasproposedfortheproblemsoflowpredictionaccuracyandpoorstabilityof

traditionalsinglemodel.Combiningflightdataandweatherdatafeatures,multipleheterogeneousclassifierssuchas

LightGBMandXGBoostwereusedasbaselearners,andSVMwasusedastheprimarylearner.Astacked,two-layer

integratedlear