基于ARIMA-SVR组合方法的航班滑出时间预测

摘要

针对现有大型机场采用的航班滑出时间预测方法精度不高而导致的场面交通情况拥堵、运行效率低等问题,提出差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型与支持向量回归(support vector regression,SVR)模型组合的离港航班滑出时间预测模型.在滑出时间预测问题中采用时间序列分析方法,首先用A RIM A方法对数据进行拟合,完成ARIMA预测;其次将ARIMA模型预测结果的残差作为构建SVR模型的输入,通过SVR模型预测残差以补偿序列中的非线性变化;最后将2个模型预测结果合并得出结论.经过实例仿真分析可以看出,组合预测模型精度优于单一A RIM A预测模型,可将滑出时间的预测精度提高至90％,能够有效预测航班滑出时间.