Resumen

Con el desarrollo de la aviación civil, el número de vuelos sigue aumentando y el retraso de los vuelos se ha convertido en un problema grave e incluso tiende a la normalidad. Este artículo pretende demostrar que el algoritmo Stacking tiene ventajas en la predicción de retrasos de vuelos en aeropuertos, especialmente para el problema de selección de algoritmos de la tecnología de aprendizaje automático. En esta investigación, se introduce el principio del algoritmo de clasificación Stacking, se selecciona el algoritmo SMOTE para procesar conjuntos de datos desequilibrados y se utiliza el algoritmo Boruta para la selección de características. Hay cinco algoritmos de aprendizaje automático supervisado en el aprendiz de primer nivel de Stacking: KNN, Random Forest, Logistic Regression, Decision Tree y Gaussian Naive Bayes. El aprendiz de segundo nivel es la regresión logística. Para verificar la efectividad del método propuesto, se llevan a cabo experimentos comparativos basados en conjuntos de datos de vuelos del Aeropuerto Internacional Logan de Boston de enero a diciembre de 2019. Se utilizan múltiples índices para evaluar exhaustivamente los resultados de predicción, como Accuracy, Precision, Recall, F1 Score, curva ROC y AUC Score. Los resultados muestran que el algoritmo Stacking no solo podría mejorar la precisión de la predicción, sino que también mantiene una gran estabilidad.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:regresión logística, level learner, boston logan international airport flight datasets, airport flight delay prediction, gaussian naive bayes, stacking classification algorithm, algorithm selection problem, auc score, boruta algorithm, decision tree
• Keywords:logistic regression, level learner, boston logan international airport flight datasets, airport flight delay prediction, gaussian naive bayes, stacking classification algorithm, algorithm selection problem, auc score, boruta algorithm, decision tree