[发明专利]一种两阶段方法的连续模型

权利要求书

1.一种两阶段方法的连续模型，其特征在于：其方法包括以下步骤：

S1：以每日延误中减去延误的平均值，以消除不变趋势，平均每日延误时间定义为从其他机场到双流机场的所有延误航班的正延误的总和除以该日的总航班数量。

设定x(t)表示第t天的平均每日到达延误，目标是检测x(t)的隐藏周期作为t的函数，模型可以描述为：

其中所述p是我们在模型中允许的周期数，所述λ_k为频率，所述a_k用作权重，所述e(t)表示误差，根据所观察到的x(t)t＝0，1，2，...，N累计值为：

(h＝0，1，2，...，N)

S2:将Levinson型算法应用于序列r(h):

p_0.0＝1

p_0，k＝δ_kp_0，k-1，

p_k，k＝1，

p_j，k＝p_j-1，k-1+δ_kp_k-j-1，k-1

输出值为：p_0，q，p_1，q，...，p_q，q

S3:由步骤S2形成多项式：

并找到它的所有零值对应点：

z_j＝r_jexp(iθ_j)j＝1，2，...，p

使用所述零点的参数θ_j来估计频率和幅度r_j，以估计相对重要性。

2.根据权利要求1所述的一种两阶段方法的连续模型，其特征在于：所述第一阶段频率分析用于检测数据中的周期性，第二阶段进行统计分析以确认在阶段一中检测到的模式并确定与延误相关的因素，建立多项逻辑回归和二元逻辑回归模型，以检验各种因素对平均日延误和单航班延误的影响。

3.根据权利要求2所述的一种两阶段方法的连续模型，其特征在于：所述频率分析以确定数据中存在的周期性，通过选择多个重要频率，使用最小二乘法投影来重建数据。

4.根据权利要求3所述的一种两阶段方法的连续模型，其特征在于：所述数据发现存在每周，每月和季节性模式，以及一些不太常规的时期。

5.根据权利要求4所述的一种两阶段方法的连续模型，其特征在于：所述数据收集时间为三个月期间的前30天，所述Levinson算法用于生成50次的多项式，取与数据最相关的8个频率，使用最小二乘法重建序列模型，分析得出，月份被认为是影响第二阶段统计分析中航班延误的变量。

6.根据权利要求5所述的一种两阶段方法的连续模型，其特征在于：所述月份分析后为了检查是否存在短于一天的重要频率，将每日延误数据分为三个活动期：早晨，下午和晚上，该频率分析表明，双流机场存在每日，每月和多种到达延误模式，使用多元回归分析检查影响平均每日延误的因素，通过将因变量转换为其对数来开发非线性回归，延误被定义为分类变量而不是连续变量，设定因变量Y分为三个等级：Y≤0，延误5分钟以内；Y≤1，延误在5分钟和10分钟之间；和Y≤2，延误大于10分钟，其中，应变量Y设为平均每日到达延误，比预定到达时间早的航班延误设定为零，进行数据分析。