Estimating Flight Departure Delay Distributions—A Statistical Approach With Long-Term Trend and Short-Term Pattern
结合长期趋势与短期模式的航班离港延误分布估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究航空延误的分布预测，未涉及宏观经济预测或所列其他经济金融细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
结合长期趋势与短期模式的航班离港延误分布估计
- 研究问题
- 如何估计供空中交通拥堵预测使用的航班离港延误分布，并兼顾日内和季节趋势、残差分布及混合模型的局部最优问题？
- 方法与思路
- 作者用非参数方法处理每日及季节趋势，以混合分布描述残差，并借鉴遗传算法构造全局优化版本的 EM 算法。
- 材料陈述的贡献
- 摘要报告模型具有合理拟合、参数选择稳健性与预测能力，并使用联合航空和丹佛机场的历史航班数据进行训练和验证。
- 阅读关注点
- 应核对趋势分解、混合分布设定、全局优化的实现，以及训练验证划分、预测评价指标和参数稳健性检验。
- 阅读边界
- 仅据版本未注明的索引摘要，预测指标与比较基准未说明；历史机场数据上的表现不能保证跨机场、跨时期或实时预测效果。
原文摘要
In this article we develop a model for estimating flight departure delay distributions required by air traffic congestion prediction models. We identify and study major factors that influence flight departure delays, and develop a strategic departure delay prediction model. This model employs nonparametric methods for daily and seasonal trends. In addition, the model uses a mixture distribution to estimate the residual errors. To overcome problems with local optima in the mixture distribution, we develop a global optimization version of the expectation–maximization algorithm, borrowing ideas from genetic algorithms. The model demonstrates reasonable goodness of fit, robustness to the choice of the model parameters, and good predictive capabilities. We use flight data from United Airlines and Denver International Airport from the years 2000/2001 to train and validate our model.