基于气象因素与特征选择的进港航班延误可解释预测研究

来源：交通运输系统工程与信息杂志2023年第5期北京时间：

作者：王维莉, 王逸文

单位：上海海事大学，物流研究中心，上海 201306

摘要：航班延误预测对于提高旅客满意度和优化资源配置具有重要意义，然而，预测模型的不可见性限制了其进一步发展。为提高航班延误预测问题的准确性与可解释性，以某机场航线到港航班为例，在考虑机场不同气象因素的基础上，基于mRMR(max-Relevance and min-Redundancy)算法剔除冗余特征，筛选最优特征子集作为预测模型的输入，在比较多种机器学习算法后，选择Catboost算法，利用SHAP(Shapley Additive Explanation)归因分析方法，从局部解释和全局解释深入挖掘各因素对航班延误时间的不同影响程度，并采用偏依赖分析提取关键因素的最佳阈值。结果表明：经过特征选择后的Catboost预测模型能够更好地捕捉非线性特征，相比于未经过特征选择的模型，MAE(Mean Absolute Error)、RMSE(Root Mean Square Error)及MAPE(Mean AbsolutePercentage Error)分别降低了3.84%，3.35%，4.22%，并利用DM(Diebold-Mariano)检验从统计学上检验模型的差异性；同时，航班延误时间受到多种气象特征以及前序延误等因素共同影响，其中，机场风速和降水量对延误时间有显著正向影响，而机场有效风力和能见度则对延误时间有显著负向影响。

关键词：航空运输,航班延误预测,SHAP归因分析,进港航班,mRMR算法,Catboost算法

基金资助：上海市科技创新行动计划项目 (19DZ1209600)