个主要机场的延误数据,共计2431156条数据 图1机场延误分布图 三、时空特征变量 如何来构建表征延误特征的变量,对延误预测精度至关重要,本节将根据机场延误的 时空相关性来构建表征机场延误的特征变量。 般来说,在同一个机场中,前一时刻的航班延误会影响到后一时刻航班正常起飞, 导致航班延误在整个机场中传播,会导致每天不同时间点延误程度不一样。此外,由于周 至周日每天航班量会有所差别,航班越多,机场延误程度概率会更高。因此利用星期属 性可以在一定程度上表征延误程度。同样,由于天气情况是影响延误最重要的因素,而每 个机场之间天气差别比较大,利用月份作为延误特征属性,可以表征天气对延误的影响。 根据各机场历史延误程度,将美国77个主要机场分为高延误机场、中等延误机场和低延误 机场。通过对三类机场分别进行统计分析,发现三类机场在时间周期上存在类似的分布特 性。图2(a)给出了三类在一天中每个小时的平均延误情况,每个小时的延误会有一定波动 性,其中低延误机场的延误水平较低,波动性较弱。从图2(b)可以看出,星期一至星期天, 每天的平均延误程度不一样,最长可延误80分钟左右,同理,低延误机场的表征能力较 弱。从图2(c)可以看出,对于高等延误机场,延误水平每月有很强的波动性且平均延误时 间较髙;对于中等延误机场,延误水平随着时间变量无较大波动且平均延误时间中等:而低 延误机场整体延误水平极低。综上所述,能够发现延误水平与时间类型有较强的关联性 小时属性可以表征一天中不同时间点的延误波动特性,反映航班延误的机场内部延误分布 特性。同样,星期可以反映航班量的多少,月份可以反映天气情况,从而可以间接表征航 班延误程度。因此,本文将小时、星期和月份三个属性作为时间特征变量 机场延误除了和时间有相关性外,延误在机场之间也会相互传播,比如机场的航班离 港会受到目的地机场延误情况的影响,当目的地机场出现恶劣天气时,通常会出现机场大 面积延误,从而会影响到关联机场的航班离港,导致关联机场出发航班出现延误。从图个主要机场的延误数据，共计2431156条数据。 图1 机场延误分布图 三、时空特征变量 如何来构建表征延误特征的变量，对延误预测精度至关重要，本节将根据机场延误的 时空相关性来构建表征机场延误的特征变量。 一般来说，在同一个机场中，前一时刻的航班延误会影响到后一时刻航班正常起飞， 导致航班延误在整个机场中传播，会导致每天不同时间点延误程度不一样。此外，由于周 一至周日每天航班量会有所差别，航班越多，机场延误程度概率会更高。因此利用星期属 性可以在一定程度上表征延误程度。同样，由于天气情况是影响延误最重要的因素，而每 个机场之间天气差别比较大，利用月份作为延误特征属性，可以表征天气对延误的影响。 根据各机场历史延误程度，将美国77个主要机场分为高延误机场、中等延误机场和低延误 机场。通过对三类机场分别进行统计分析，发现三类机场在时间周期上存在类似的分布特 性。图2(a)给出了三类在一天中每个小时的平均延误情况，每个小时的延误会有一定波动 性,其中低延误机场的延误水平较低，波动性较弱。从图2(b)可以看出，星期一至星期天， 每天的平均延误程度不一样，最长可延误80分钟左右，同理，低延误机场的表征能力较 弱。从图2(c)可以看出，对于高等延误机场，延误水平每月有很强的波动性且平均延误时 间较高;对于中等延误机场，延误水平随着时间变量无较大波动且平均延误时间中等；而低 延误机场整体延误水平极低。综上所述，能够发现延误水平与时间类型有较强的关联性。 小时属性可以表征一天中不同时间点的延误波动特性，反映航班延误的机场内部延误分布 特性。同样，星期可以反映航班量的多少，月份可以反映天气情况，从而可以间接表征航 班延误程度。因此，本文将小时、星期和月份三个属性作为时间特征变量。 机场延误除了和时间有相关性外，延误在机场之间也会相互传播，比如机场的航班离 港会受到目的地机场延误情况的影响，当目的地机场出现恶劣天气时，通常会出现机场大 面积延误，从而会影响到关联机场的航班离港，导致关联机场出发航班出现延误。从图