基于支持向量机的机场航班延误问题文献综述

文献综述

支持向量机(Support Vector Machine, SVM)是由 Va Pnik在 1963 年首次提出的，他首先将其应用于解决模式识别问题。其基本方式是从训练集中选择一组具有某种特征的子集，使得对该子集的线性划分等价于对整个数据集的分割，这组具有某种特征的子集被定义为支持向量。Kimel-dorf在 1971年提出一种使用线性不等约束重新够着支持向量的核空间，这个核空间就是现在支持向量机核函数的前身，为解决训练数据集中训练数据线性不可分情况开辟了道路。Graee，Boser 和 Vap-nik 在 Kimel-dorf 提出的核空间基础上对支持向量机进行进一步研究，提出核函数的概念，这使得支持向量机的发展取得了重大突破。1995 年，Va Pnik 在总结学习前人对支持向量机的研究理论成果基础上，提出了基于统计学习理论的支持向量机，在训练数据集中的训练数据线性不可分的情况下，通过对训练数据的内积解决这一问题，奠定了支持向量机理论基础。 SVM 的核心思想是在训练数据集线性可分情况下可以直接进行分析，而在线性不可分的情况下，把非线性映射到一个高位特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析。

航班延误现象是指由气象、航空器故障、飞行保障设备不工作、以及其他原因 ,航空器不能按预计时间起飞的现象。国内对航班延误预测和波及问题的研究还在发展阶段，对航班延误的研究主要停留在初步阶段，常见的是做些数据统计和文献综述，缺乏深入的剖析和理论比较论证。这使得对延误的预测的结果往往准确度较低，甚至与事实大相径庭，对后续的不正常航班调度起不到决策辅助作用，缺乏切实有效的管理措施。

本研究采用的研究方法是数学建模，航班延误的主要影响因素的判定基于实际情况提出支持向量机模型，通过合理的评价方法对各种表征方式进行评估，并通过数据实验的结果评判来进一步验证本文中的航班延误预测模型的合理性与准确性。 航班延误的解决措施基于对可控因素的调度，使航班延误所带来的延误成本最低。希望可以通过本课题引起国内学者对于航班延误有更多更深入的思考，对于航班延误的预测、机场资源的调度与优化提出有积极意义的方案。

参考文献：

[1]徐涛,丁建立,顾彬,王建东.基于增量式排列支持向量机的机场航班延误预警[J].航空学报,2009,30(07):1256-1263.

[2]扶雪浇. 基于航班着陆率的航班延误研究[D].中国民用航空飞行学院,2013.

[3]高岭,任杰,王海,郑杰,魏泽玉.基于支持向量机的移动Web浏览性能优化研究[J/OL].计算报,2017:1-13[2017-12-31].

[4]梅朵,郑黎黎,刘春晓,王秀芹.基于混合算法优化SVM的短时交通流预测[J].计算机技术与发展,2017,27(11):92-95 100.