摘要：航班延误受到多种因素的交叉影响,导致航班延误数据分布不规律,难以从传统统计学的角度准确预测航班延误时间,因此以减少数据过拟合为目标,利用随机森林特征选择模型筛选21个重要特征,引入正则化L1、L2范数,建立弹性神经网络预测模型,对航班落地延误时间进行预测。预测结果为:±3 min容差内的准确率达到83.954%,±5 min容差内的准确率达到94.431%,结果表明该模型能够提高航班延误预测的准确率。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社