基于VMD-MD-Clustering方法的航班延误等级分类

针对航班数量逐年增加导致的航班延误日益频繁问题,研究对航班延误等级分类的方法,从而为制定针对性措施,降低航班延误造成的损失提供理论基础。从时间、空间和效率3个方面确定航班延误时间、航班飞行时间、延误影响人数和航程这4个数值属性指标,以及过站是否经停、飞机载客量2个类属性指标,共计6个评估指标构建航班延误等级分类模型。提出了1种基于变分模态分解（VMD）、马氏深度（MD）函数和K-means数据聚类（Clustering）的航班延误等级分类方法（以下简称V-M-C方法）。V-M-C方法将非正态、非平稳的多维航班延误数据视作含噪声的信号序列进行处理,通过VMD降噪获得正态、稳定的多维信号数据;利用MD函数进行降维处理得到一维的稳定信号数据;使用K-means方法对得到的一维数据进行聚类,对航班延误等级分类。为确定航班延误等级分类精确性,采用带惩罚权重的支持向量机（SVM）对分类结果进行分析,可以在一定程度上提高V-M-C方法的普适性。以某大型枢纽机场某月的航班运行数据为例,只使用K-means算法的航班延误等级分类精度为81.9%,而V-M-C方法对航班延误等级分类精度可提升至95.41%。实验结果表明,V-M-C方法的分类准确率更高,能够帮助机场根据相应延误等级制定预案,保障航班整体运行正点率。