买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国民用航空飞行学院

摘要：本发明涉及空域流量预测技术领域，提出基于集成学习算法的空域流量预测方法，包括步骤：收集历史空域流量数据和与之相关的空间结构数据，并进行预处理；构建GNN模型，使用GNN模型计算对空域网络中的各节点影响程度、节点间影响程度，节点为任一机场或任一航路点；GNN模型对节点影响程度、节点间影响程度以及时间序列数据进行特征转换和注意力融合，得到融合后的特征向量；将融合后的特征向量输入LSTM模型，得到预测的节点的空域流量。本发明通过集成GNN模型和LSTM模型对节点的空域流量的影响程度进行分析，以及对节点的空域流量进行预测。

主权项：1.基于集成学习算法的空域流量预测方法，其特征在于：包括以下步骤：步骤1，收集历史空域流量数据和与之相关的空间结构数据，并进行预处理；步骤2，构建GNN模型，使用GNN模型计算对空域网络中的各节点影响程度、节点间影响程度，节点为任一机场或任一航路点；所述步骤2中，使用GNN模型计算对空域网络中的各节点影响程度的步骤，包括：将节点定义为机场，GNN模型根据机场i的节点度Degree、节点接近度Closeness和节点介数中心性Betweenness，判断机场i对其空域流量的影响程度InfluenceDegree；节点度Degree是指与节点直接相连的边的数量，计算公式为： ；其中，Di表示机场i的节点度；Nsi表示与机场i相连的边的数量；节点接近度Closeness衡量了某节点与其他节点之间的距离，是该节点到其他节点最短路径长度之和的倒数，计算公式为： ；其中，Ci表示机场i的节点接近度；j表示与机场i有连接的其他机场；di,j表示机场i与机场j之间的最短路径长度；节点介数中心性Betweenness衡量了某节点在空域网络中充当中转站的程度，是所有节点对之间通过该节点的最短路径数量的比例，计算公式为： ；其中，Bi表示机场i的节点介数中心性；s表示机场s，t表示机场t；表示机场s到机场t的最短路径数量；表示机场s到机场t的最短路径中经过机场i的路径数量；最终机场i对其空域流量的影响程度InfluenceDegree为： ；其中，IDi表示机场i对其空域流量的影响程度，也叫节点影响程度；、为权重因子；maxD表示所有机场的节点度中的最大值；maxC表示所有机场的节点接近度中的最大值；maxB表示所有机场的节点介数中心性中的最大值；所述步骤2中，使用GNN模型计算对空域网络中的节点间影响程度的步骤，包括：在分析飞机对空域流量的影响时，将节点定义为机场，以及机场与机场之间飞行航路上的航路点；GNN模型根据飞机的共同路径数量CommonPaths、最短路径长度ShortestPath和聚类系数ClusteringCoefficient，判断飞机对机场i的空域流量的影响程度InfluenceCommonPaths；共同路径数量CommonPaths是指两个节点之间共享的路径数量，计算公式为： ；其中，CPi,j表示节点i与节点j之间的共同路径数量；表示从节点i到节点k的路径数量；表示从节点k到节点j的路径数量；表示从节点i到节点j的路径数量；表示从节点i经过节点k到节点j的路径数量；最短路径长度ShortestPath是指两个节点之间的最短路径所经过的最少的边数量，计算公式为： ；其中，SPi,j表示节点i到节点j之间的最短路径最少的边的数量；adi,j表示节点i到节点j之间的最短路径边的数量；聚类系数ClusteringCoefficient衡量了节点i的邻居节点之间的连接程度，是一个节点的邻居节点之间实际存在的连接数与所有可能存在的连接数之比，计算公式为： ；其中，CCi表示节点i的邻居节点之间的聚类系数；Ni表示节点i的邻居节点之间相连接的边的数量；Di表示节点i的节点度；Di-1表示邻居节点i-1的节点度；飞机对机场i的空域流量的影响程度InfluenceCommonPaths为： ；其中，IPi,j表示飞机从节点i到节点j时对机场i的空域流量的影响程度，也叫节点间影响程度；、为权重因子；maxCP表示所有节点对之间的最大共同路径数量；maxCC表示所有节点的邻居节点之间的聚类系数；步骤3，GNN模型对节点影响程度、节点间影响程度以及时间序列数据进行特征转换和注意力融合，得到融合后的特征向量；步骤4，将融合后的特征向量输入LSTM模型，得到预测的节点的空域流量。

全文数据：

权利要求：

百度查询： 中国民用航空飞行学院 基于集成学习算法的空域流量预测方法