改进ConvNeXt网络的航班延误预测模型优化研究

摘要

航班延误预测已在航班延误领域得到广泛应用,由于航班数据存在噪声和样本失衡等问题,导致航班延误预测结果在召回率方面表现较差。提出一种改进ConvNeXt航班延误预测模型提取天气延误航班数据的进行数据增强,并使用类权重改善样本失衡,再优化ConvNeXt的网络结构和卷积核大小。收集处理美国亚特兰大和中国上海虹桥机场数据进行试验。实验结果表明,改进ConvNeXt具较好的特征提取能力和泛化性能,相比于标准的ConvNeXt模型,其预测准确率提升了4%,召回率提升了7%,相比于随机森林等集成学习,AUC分数提高了1.4%。