(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111534050.4 (22)申请日 2021.12.15 (71)申请人 上海建科工程项目管理有限公司 地址 202161 上海市崇明区永冠 经济开发 区 （崇明区向化公路2 908号） 申请人 上海建科工程咨询有限公司 (72)发明人 王彦忠　徐荣梅　贾灵艳　廖雪峰　 武星　李逸松　 (74)专利代理 机构 上海湾谷知识产权代理事务 所(普通合伙) 31289 代理人 杨希 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06N 3/08(2006.01)G06N 3/04(2006.01) (54)发明名称 一种基于神经网络的预测机场近机位数量 的方法和系统 (57)摘要 本发明公开了一种基于神经网络的预测机 场近机位数量的方法和系统， 其中， 方法包括以 下步骤： 步骤S100， 对原始 的机场属性数据进行 预处理； 步骤S200， 对步骤S100中预处理之后的 机场属性数据进行特征选择； 步骤S300， 将步骤 S200中特征选择后的机场属性数据输入至神经 网络模型， 并对神经网络模型进行模 型训练和测 试， 得到成型的神经网络模型； 步骤S400， 将待预 测近机位数量的机场属性数据输入至成型的神 经网路模型， 得到预测的机场近机位数量。 通过 神经网络模 型的构建， 将已稳定运行的机场的机 场属性数据作为原始的机场属性数据， 对构建的 神经网络模 型进行训练和测试， 得到机场近机位 数量与其他机场属性数据之间的关系， 来预测机 场近机位数量， 提高预测的准确度。 权利要求书2页 说明书5页 附图2页 CN 114169633 A 2022.03.11 CN 114169633 A 1.一种基于神经网络的预测机场近 机位数量的方法， 其特 征在于， 包括以下步骤： 步骤S100， 对原始的机场属性数据进行 预处理； 步骤S200， 对所述 步骤S100中预处理之后的机场属性数据进行 特征选择； 步骤S300， 将所述步骤S200中特征选择后的机场属性数据输入至神经网络模型， 并对 所述神经网络模型进行模型训练和 测试， 得到成型的神经网络模型； 步骤S400， 将待预测机场近机位数量的机场属性数据输入至所述成型的神经网路模 型， 得到预测的机场近 机位数量。 2.根据权利要求1所述的基于神经网络的预测机场近机位数量的方法， 其特征在于， 所 述原始的机场属性数据的属性包括年旅客吞吐量， 其单位为万/人次； 高峰小时进港旅客 量， 其单位为人次/小时； 高峰小时出港旅客量， 其单位为人次/小时； 机场建筑面积， 其单位 为万/平方米； 机场平面形状； 国内/国际航班比例； 机场靠桥 率以及机场近 机位数量。 3.根据权利要求1所述的基于神经网络的预测机场近机位数量的方法， 其特征在于， 所 述步骤S100包括数据清理和数据变换， 所述原始的机场属性数据经过数据清理之后， 去除 其中的噪声数据和无关数据， 得到清理后的机场属 性数据， 清理后的机场属 性数据经数据 变换处理， 以完成所述原 始的机场属性数据的预处 理。 4.根据权利要求3所述的基于神经网络的预测机场近机位数量的方法， 其特征在于， 所 述数据变换包括将所述清理后的机场属性数据按照特定的比例进 行缩放， 使之落入在一特 定区域， 再对所述特定区域内的机场属 性数据进行离散化处理， 将所述特定区域内连续的 所述机场属性数据转换成所述 算法合规输入的机场属性数据。 5.根据权利要求1所述的基于神经网络的预测机场近机位数量的方法， 其特征在于， 所 述步骤S200包括以下子步骤： 步骤S201， 根据方差选择法， 计算出经步骤S100预处理之后的机场属性数据的中各个 特征的方差， 然后根据选定的阈值， 选择所述方差大于所述阈值的特征作为初步筛选的标 准， 获得初步筛 选后的机场属性数据； 步骤S202， 使用相关系数法和卡方检测对所述初步筛选后的机场属性数据进行处理， 以完成对步骤S10 0中预处理之后的机场属性数据的特 征选择。 6.根据权利要求1所述的基于神经网络的预测机场近机位数量的方法， 其特征在于， 步 骤S300中， 将选择后的机场属性数据分为测试集和训练集， 将所述训练集中的机场属性数 据输入至神经网络模型， 对所述神经网络模型进行训练和 修改， 通过测试集对训练和修改 后的神经网络模型进行测试， 当测试结果与所述测试集中的近机位数量相等时， 相对应的 神经网络模型为成型的神经网络模型。 7.根据权利要求6所述的基于神经网络的预测机场近机位数量的方法， 其特征在于， 所 述神经网络模型为BP神经网络模型， 所述训练集中的近机位数量作为因变量， 所述训练集 中的其它机场属性数据作为自变量， 将所述自变量作为输入层， 所述因变量作为输出层， 并 在所述输入层和所述输出层之间添加若干中间层神经元， 所述BP神经网络模型的计算包括 正向计算过程和反向计算过程， 在所述正向计算的过程中， 从所述输入层经若干中间层逐 层处理， 并转向输出层， 每一层神经元的状态只影响与之相 邻的下一层神经元的状态； 若正 向计算输出 的结果并不是预期的输出结果， 则转向反向计算过程， 所述反向计算过程是根 据正向计算输出结果的误差信号沿原有的连接通路返回， 通过修改各层神经元 的权值， 降权　利　要　求　书 1/2 页 2 CN 114169633 A 2低误差信号， 直至输出与机场近机位数量一致的结果， 完成训练集对BP神经网络模型 的训 练和修改。 8.一种基于神经网络的预测机场近 机位数量的系统， 其特 征在于， 包括： 一数据预处 理模块， 其对原 始的机场属性数据进行 预处理； 一与所述数据 预处理模块连接的特征选择模块， 其对预处理之后的机场属性数据进行 特征选择； 一与所述特征选择模块连接的神经网络模型训练和测试模块， 其根据 特征选择后的机 场属性数据构建神经网络模型， 并对所述神经网络模型进行训练和测试， 得到成型 的神经 网络模型； 以及 一与所述神经网络模型训练和测试模块连接的机场近机位数量预测模块， 其将待预测 机场的机场属性数据输入至成型的神经网络模型， 得到预测的机场近 机位数量。 9.根据权利要求8所述的基于神经网络的预测机场近机位数量的系统， 其特征在于， 所 述特征选择模块包括： 一数据发散性分析模块， 其根据方差选择法对所述数据 预处理模块输出的机场属性数 据进行初步筛 选， 得到初步筛 选后的机场属性数据； 以及 一与所述数据发散性分析模块连接的相关性分析模块， 其对所述初步筛选后的机场属 性模块根据相关系数法和卡方检测法再次筛 选， 得到特 征选择后的机场属性数据。权　利　要　求　书 2/2 页 3 CN 114169633 A 3