CN117077771B 申请日期：2023-10-17
本发明属于民航延误预测技术领域，具体公开了一种因果关联驱动的航空交通网络波及效应预测方法，包括：根据历史航班数据，构造延误状态图向量；提取多时间尺度延误向量，基于格兰杰检验判定因果关系，并生成历史因果矩阵；基于历史因果矩阵加权延误状态图向量，并自适应生成未来因果矩阵；设计动态图神经网络模型，基于因果矩阵提取每时间片隐藏层图向量，通过迭代训练最终实现未来时间片延误预测；具有如下优点：通过格兰杰因果检验与动态图神经网络最终实现所有机场延误预测；利用机场延误数据之间的因果关联，并基于动态图神经网络模型对历史延误数据进行先验学习，为航空交通网络波及效应提供了一种有效的预测手段。
CN117521719A 申请日期：2023-11-07
本发明涉及一种用于航空延误预测的动态时空图神经网络模型及应用，属于民航延误预测技术领域，解决了现有技术中机场网络多维关联难融合的问题，实现了航班延误的量化预测。本发明基于注意力机制的解编码器架构，设计图卷积网络与循环神经网络的耦合模型，利用机场距离与飞行流量作为图结构，并设计自适应向量对异质机场进行动态加权融合，实现对未来时间步机场平均延误的精确预测。
CN117452959A 申请日期：2023-10-12
本发明涉及一种时空关联推理学习的多机协同追捕方法，属于飞行器技术领域，解决了现有技术中无人机协同围捕方法存在决策难度大、决策效率低、灵活性差、追捕时间长和安全风险高的问题。本发明针对多无人机协同围捕“黑飞”无人机的任务场景中通信数据缺失或延迟到达的问题，设计了Transformer机制提取动态时空图网络数据特征来辅助追捕者无人机决策，使追捕者无人机不依赖完整的通信数据就能够掌握准确的全局形势信息，降低决策难度，协同追捕决策效率高；为追捕者提供了无人机间的动态关联和相互作用信息，提升追捕策略在时空上的协同性与合理性，基于时空依赖的追捕灵活性强，追捕时间短，降低追捕者之间的潜在冲突，降低安全风险。
CN117077771A 申请日期：2023-10-17
本发明属于民航延误预测技术领域，具体公开了一种因果关联驱动的航空交通网络波及效应预测方法，包括：根据历史航班数据，构造延误状态图向量；提取多时间尺度延误向量，基于格兰杰检验判定因果关系，并生成历史因果矩阵；基于历史因果矩阵加权延误状态图向量，并自适应生成未来因果矩阵；设计动态图神经网络模型，基于因果矩阵提取每时间片隐藏层图向量，通过迭代训练最终实现未来时间片延误预测；具有如下优点：通过格兰杰因果检验与动态图神经网络最终实现所有机场延误预测；利用机场延误数据之间的因果关联，并基于动态图神经网络模型对历史延误数据进行先验学习，为航空交通网络波及效应提供了一种有效的预测手段。
CN114936804B 申请日期：2022-06-23
本发明涉及机场资源分配技术领域，提供了一种机场多维资源协同调度方法。该方法包括：建立机场停机位资源的混合整数规划模型，设计混合整数规划模型的目标函数和约束条件；设计列生成算法求解混合整数规划模型的线性松弛问题，随机选取多个历史停机位调度方案，作为初始可行解；求解限制主问题，得到对偶变量；及每个停机位飞机活动网络的最短路径，利用潜水启发式算法，求解整数解，生成停机位调度方案，利用甘特图绘制停机位调度图，完成机场多维资源的协同调度。本发明通过设计互换规则，使得各停机位之间实现飞机活动的交换，提高方案的鲁棒性，从多资源角度来设计机场资源调度问题，获得更合理、协调的优化方案。
