一种基于多模型组合的机场三大生产指标预测方法与流程

本发明涉及机场，具体涉及一种基于多模型组合的机场三大生产指标预测方法。

背景技术：

1、准确而可靠地预测起降航班总架次、旅客总人数和货邮总质量(三大生产指标)可以提高机场的运营效率和降低成本。其中，预测起降航班总架次可帮助机场合理安排飞机的调度和机组人员的排班，以最大程度地优化运营效；预测旅客总人数有助于机场制定市场策略和航线规划，并提供足够的设施和服务，以满足乘客需求；预测货邮总质量可以帮助航空公司决定是否需要增加货机航班或增加货舱容量,并且有利于物流公司合理安排货物的运输和分配。因此，准确预测起降航班架次、旅客总人数和货邮总质量对机场管理十分重要。

2、近年来，研究人员使用机器学习或深度学习方法来预测机场三大生产指标等数据，例如，灰度模型、反向传播神经网络、支持向量机、长短期记忆网络的循环神经网络、prophet等等。通过这些机器学习与深度学习方法，研究人员可以较为准确地预测机场的三大生产指标。

3、然而，现有的预测方法通常是基于单个模型进行预测的，这种单一模型的方法鲁棒性较弱，泛化能力较差，且有过拟合的风险。此外，经济和社会发展指标对机场三大生产指标会产生巨大影响，现有的方法基本都不会考虑这一点，以至于只通过数据预测，而忽略的我国的经济与社会发展情况。

技术实现思路

1、鉴于现有技术中的上述缺陷或不足，期望提供一种基于多模型组合的机场三大生产指标预测方法。

2、为了实现上述目的，本申请实施例提供了一种基于多模型组合的机场三大生产指标预测方法，该方法包括：

3、s1：获取历史数据，其中，所述历史数据包括预设时间段内的航班数据矩阵数据库、航班关联数据矩阵数据库以及发展指标数据矩阵数据库；

4、s2：使用lstm模型、gm(2,1)模型、growth模型以及prophet模型分别对历史数据进行预测后，得到四种预测模型；

5、s3：采用mlp将四种模型及其预测结果进行组合，使用历史数据对其训练，更新四种预测模型所占权重，获得新的组合预测模型m-mlp；

6、s4：根据组合预测模型m-mlp对未来数据进行预测。

7、在其中一个实施例中，在步骤s1中，所述航班数据矩阵数据库存储执行日期、进出港标记、起降机场三字码、旅客总人数、货邮总架次、航班总架次数据字段作为一条航班数据向量，不同航班数据向量组成了航班数据矩阵；

8、所述航班关联数据矩阵数据库存储执行日期、进出港标记、起降机场三字码、旅客总人数、货邮总架次、航班总架次、承运人、航班号、机号、航线、航段字段中的预设字段作为关联字段，以对应字段在航班关联数据矩阵数据库中进行互相关联，得到航班数据矩阵中的完整航班数据向量，并存入航班数据矩阵数据库中；

9、所述发展指标数据矩阵数据库存储来自国家统计局官方数据库的地区生产总值(gdp)、三大产业增加值、年末常住人口、全体居民人均年均可支配收入、全年接待旅游总人数字段。

10、在其中一个实施例中，所述gm(2,1)模型为：δx(k)+a·x(k)＝b，其中，δx(k)表示累加生成序列的一阶差分，x(k)表示原始数据序列，a和b是待估计的参数。

11、在其中一个实施例中，所述prophet模型为：

12、y(t)＝g(t)+s(t)+h(t)+òt

13、其中，g(t)为增长项，表示拟合非周期性变化；s(t)表示周期性变化；h(t)表示非规律的节假日效应；òt为误差项用来反映未在模型中体现的异常变动。

14、在其中一个实施例中，所述

15、其中，p为周期。

16、在其中一个实施例中，在步骤s3之后，该方法还包括：判断组合预测模型m-mlp中的loss是否符合要求，若符合则进行s4，若不符合，则再次更新四种预测模型所占权重。

17、在其中一个实施例中，所述s4包括：通过组合预测模型m-mlp对未来数据进行预测，得到预测结果；

18、利用平均绝对百分比误差法对预测结果进行精度评估。

19、在其中一个实施例中，在步骤s4之后，该方法还包括：将未来数据的预测结果发送给终端用户。

20、本申请的有益效果包括：

21、本申请提供的基于多模型组合的机场三大生产指标预测方法，通过航班数据矩阵数据库、航班关联数据矩阵数据库以及发展指标数据矩阵数据库来对未来数据进行预测，有效提高了预测的准确性，给机场的运营管理带来了有效的指导。

技术特征：

1.一种基于多模型组合的机场三大生产指标预测方法，其特征在于，该方法包括：

2.根据权利要求1所述的基于多模型组合的机场三大生产指标预测方法，其特征在于，在步骤s1中，所述航班数据矩阵数据库存储执行日期、进出港标记、起降机场三字码、旅客总人数、货邮总架次、航班总架次数据字段作为一条航班数据向量，不同航班数据向量组成了航班数据矩阵；

3.根据权利要求1所述的基于多模型组合的机场三大生产指标预测方法，其特征在于，所述gm(2,1)模型为：

4.根据权利要求1所述的基于多模型组合的机场三大生产指标预测方法，其特征在于，所述prophet模型为：

5.根据权利要求1所述的基于多模型组合的机场三大生产指标预测方法，其特征在于，所述

6.根据权利要求1所述的基于多模型组合的机场三大生产指标预测方法，其特征在于，在步骤s3之后，该方法还包括：

7.根据权利要求1所述的基于多模型组合的机场三大生产指标预测方法，其特征在于，所述s4包括：

8.根据权利要求1所述的基于多模型组合的机场三大生产指标预测方法，其特征在于，在步骤s4之后，该方法还包括：

技术总结
本申请公开了一种基于多模型组合的机场三大生产指标预测方法，该方法包括：获取历史数据；使用LSTM模型、GM(2,1)模型、Growth模型以及Prophet模型分别对历史数据进行预测后，得到四种预测模型；采用MLP将四种模型及其预测结果进行组合，使用历史数据对其训练，更新四种预测模型所占权重，获得新的组合预测模型M‑MLP；根据组合预测模型M‑MLP对未来数据进行预测。本申请提供的上述方法，通过航班数据矩阵数据库、航班关联数据矩阵数据库以及发展指标数据矩阵数据库来对未来数据进行预测，有效提高了预测的准确性，给机场的运营管理带来了有效的指导。

技术研发人员：孙召利,陈光春,可宇涵,张寅鹏
受保护的技术使用者：新疆航信天翼科创有限公司
技术研发日：
技术公布日：2024/2/1