基于回归分析的机场拥挤预测问题研究  

Terminal Congestion Prediction Based on Regression Analysis

作　　者：黄荣顺[1] 谢世娜 罗晓[1] 李川[2] 罗谦[1] 潘野[1] 

机构地区：[1]中国民用航空局第二研究所,四川成都610041 [2]四川大学计算机学院,四川成都610065

出　　处：《数学的实践与认识》2015年第2期89-96,共8页Mathematics in Practice and Theory

基　　金：国家自然科学基金(61103043);国家"十二五"科技支撑计划项目(2012BAG04B02);民航联合基金课题(U1233118);民航安全能力建设资金(MHRD20130209);民航科技创新引导资金(FDSA0032)

摘　　要：及时有效的预测机场拥挤状态并辅助机场管理部门采取相应缓解拥挤的措施,将有助于提高机场的服务质量和运行效率.提出了利用回归分析的方法对机场拥挤问题进行研究.利用已有的历史航班数据挖掘出与机场拥挤最为相关的因素,并将其作为预测变量来预测响应变量.使用到两种回归分析方法即:普通最小二乘回归(OLS)和支持向量回归(SVR).使用历史数据来训练模型,并将这两种训练模型用于真实数据集上做测试,且取得较好的预测效果.实验结果证明该方法在机场拥挤预测问题上的可用性和有效性.Prompt and effective termina! congestion prediction is critical for management administration to take corresponding actions and improve service quality. This study proposes the method based on regression models. Utilizing existing historical data to get most relevant properties and using them as variables, this work applies two kinds of regression analysis algorithms, i.e, Ordinary Least Squares （OLS） and Supporting Vector Regression （SVR）. Experiments on real datasets show that the proposed methods are highly effective and capable.

关 键 词：回归分析 最小二乘回归 支持向量回归 

分 类 号：O212.1[理学—概率论与数理统计]