CN117610746A - 一种预测模型监测方法、存储介质及电子设备 - Google Patents

一种预测模型监测方法、存储介质及电子设备 Download PDF

Info

Publication number
CN117610746A
CN117610746A CN202410090983.6A CN202410090983A CN117610746A CN 117610746 A CN117610746 A CN 117610746A CN 202410090983 A CN202410090983 A CN 202410090983A CN 117610746 A CN117610746 A CN 117610746A
Authority
CN
China
Prior art keywords
preset
time
flight
prediction
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202410090983.6A
Other languages
English (en)
Other versions
CN117610746B (zh
Inventor
唐红武
刘昊
王殿胜
刘思扬
张凯伦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Travelsky Mobile Technology Co Ltd
Original Assignee
China Travelsky Mobile Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Travelsky Mobile Technology Co Ltd filed Critical China Travelsky Mobile Technology Co Ltd
Priority to CN202410090983.6A priority Critical patent/CN117610746B/zh
Publication of CN117610746A publication Critical patent/CN117610746A/zh
Application granted granted Critical
Publication of CN117610746B publication Critical patent/CN117610746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种预测模型监测方法、存储介质及电子设备，涉及数据处理领域，包括：得到关键飞行任务信息列表FX；根据FX，得到关键预测结束时间列表集YC；根据YC和第一预设判定算法，获取第一预测结束时间列表集JD；遍历JD，确定第一飞行任务；根据YC和若干预设的目标时长，确定若干第二飞行任务；根据FX、YC、JD，获取目标监测值列表JC；若JCk＞Nk，则输出提示信息。本发明提供的预测模型监测方法，能够根据关键飞行任务信息列表、关键预测结束时间列表集以及第一预测结束时间列表集，获取目标监测值，以实现对预测模型的监测，并能够根据目标监测值是否超过预设阈值判断预测模型的预测质量，从而输出提示信息。

Description

一种预测模型监测方法、存储介质及电子设备
技术领域
本发明涉及数据处理领域，特别是涉及一种预测模型监测方法、存储介质及电子设备。
背景技术
随着民航业的迅速发展，民航智能化运行成为民用航空的现代化发展趋势。为了有效调配飞机降落过程中的工作人员、车辆，满足用户的查询需求，以及为机场在飞机落地后的工作提供精准指导等，需要对飞机的落地时间进行预测。目前，通常是通过建立预测模型对飞机的降落时间进行预测。然而，预测模型参数的选取，以及飞机在航行过程中，可能会受到天气、驾驶员行为、交通态势等多种因素的影响，使得输入预测模型的数据出现异常，诸多原因会影响到预测模型的输出结果，使得预测模型输出的预测时间与飞机实际降落时间存在较大误差，所以需要对预测模型进行监测，并判断预测模型的预测质量，以便及时优化调整预测模型。
发明内容
针对上述技术问题，本发明提供一种预测模型监测方法、存储介质及电子设备，至少部分解决现有技术中存在的问题。
在本发明的一方面，提供一种预测模型监测方法，该方法包括如下步骤：
S100，将实际结束时间在目标时间窗口内的每一飞行任务确定为关键飞行任务，以得到关键飞行任务信息列表FX=(FX1，FX2，…，FXi，…，FXn)；其中，i=1，2，…，n；n为关键飞行任务的数量；FXi为第i个关键飞行任务的关键飞行任务信息；FXi=(JTi，FTi)；JTi为第i个关键飞行任务的实际结束时间；FTi为第i个关键飞行任务的飞行时长。
S200，将每一关键飞行任务在执行过程中，预测模型对其输出的预测结束时间确定为关键预测结束时间，以得到关键预测结束时间列表集YC=(YC1，YC2，…，YCi，…，YCn)；YCi为第i个关键飞行任务对应的关键预测结束时间列表，YCi=(YCi,1，YCi,2，…，YCi,j，…，YCi,f(i))；其中，j=1，2，…，f(i)；f(i)≥0；f(i)为YCi中关键预测结束时间的数量；YCi,j为YCi中第j个关键预测结束时间；YCi中的关键预测结束时间按照生成时间从先到后的顺序依次排列。
S300，根据YC和第一预设判定算法，获取第一预测结束时间列表集JD=(JD1，JD2，…，JDi，…，JDn)；JDi为FXi对应的第一预测结束时间列表，JDi=(JDi,1，JDi,2，…，JDi,r，…，JDi,g(i))；其中，r=1，2…，g(i)；g(i)≥0；g(i)为第i个关键飞行任务对应的第一预测结束时间的数量；JDi,r为JDi中第r个第一预测结束时间；第一预测结束时间为与关键飞行任务的实际结束时间的时间差大于第一预设时间差阈值的预测结束时间；第一预设时间差阈值根据预测结束时间的生成时间确定。
S400，遍历JD，若JDi不为空，则将第i个关键飞行任务确定为第一飞行任务。
S500，根据YC和若干预设的目标时长，确定若干第二飞行任务；第二飞行任务为具有第二预测结束时间的关键飞行任务；第二预测结束时间为对应的生成时间与对应的实际结束时间的时间差为任意目标时长，且与对应的实际结束时间的时间差大于该目标时长对应的第二预设时间差阈值的关键预测结束时间；每一目标时长均具有对应的第二预设时间差阈值。
S600，根据FX、YC、JD，获取目标监测值列表JC=(JC1，JC2，…，JCk，…，JC5)；其中，k=1，2，…，5；JC1为第一目标监测值，JC1=1/n(∑n i=1(1/f(i))/>(∑f(i) j=1|YCi,j-JTi|))；JC2为第二目标监测值，JC2=1/n/>(∑n i=1(1/f(i))/>(∑f(i) j=1|YCi,j-JTi|/FTi))；JC3为第三目标监测值，JC3=s/n；JC4为第四目标监测值，JC4=(∑n i=1g(i))/(∑n i=1f(i))；JC5为第五目标监测值，JC5=v/n；s为第一飞行任务的数量；v为第二飞行任务的数量。
S700，若JCk＞Nk，则输出提示信息；提示信息用于提示预测模型输出的预测结束时间异常；Nk为第k个预设阈值。
在本发明的另一方面，提供一种非瞬时性计算机可读存储介质，存储介质中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现前述预测模型监测方法。
在本发明的另一方面，提供一种电子设备，包括处理器和上述非瞬时性计算机可读存储介质。
本发明至少具有以下有益效果：
本发明提供的预测模型监测方法，将实际结束时间在目标时间窗口内的每一飞行任务确定为关键飞行任务，以得到关键飞行任务信息列表FX。将每一所述关键飞行任务在执行过程中，预测模型对其输出的预测结束时间确定为关键预测结束时间，以得到关键预测结束时间列表集YC。根据YC和第一预设判定算法，获取第一预测结束时间列表集JD。遍历JD，若JDi不为空，则将第i个关键飞行任务确定为第一飞行任务。根据YC和若干预设的目标时长，确定若干第二飞行任务。根据FX、YC、JD，获取目标监测值列表JC=(JC1，JC2，…，JCk，…，JC5)；若JCk＞Nk，则输出提示信息。本发明提供的预测模型监测方法，能够根据关键飞行任务信息列表、关键预测结束时间列表集以及第一预测结束时间列表集，获取目标监测值，以实现对预测模型的监测，并能够根据目标监测值是否超过预设阈值判断预测模型的预测质量，从而输出提示信息。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的预测模型监测方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“飞机航班”，给出以下实施方式，对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。
请参考图1所示，本发明的实施例提供了一种预测模型监测方法，所述方法包括如下步骤：
S100，将实际结束时间在目标时间窗口内的每一飞行任务确定为关键飞行任务，以得到关键飞行任务信息列表FX=(FX1，FX2，…，FXi，…，FXn)；其中，i=1，2，…，n；n为关键飞行任务的数量；FXi为第i个关键飞行任务的关键飞行任务信息；FXi=(JTi，FTi)；JTi为第i个关键飞行任务的实际结束时间；FTi为第i个关键飞行任务的飞行时长。
在本实施例中，飞行任务结束后，通过该飞行任务的实际结束时间和飞行时长，可以对预测模型输出的该飞行任务的预测结束时间进行验证。
具体的，所述目标时间窗口的长度范围为0.5h-3h，优选的，所述目标时间窗口的长度为1h。
值得说明的是，本领域技术人员知晓，现有技术中任一能够预测任务结束时间的预测类模型，均落入本发明的保护范围，在此不再赘述。
S200，将每一所述关键飞行任务在执行过程中，预测模型对其输出的预测结束时间确定为关键预测结束时间，以得到关键预测结束时间列表集YC=(YC1，YC2，…，YCi，…，YCn)；YCi为第i个关键飞行任务对应的关键预测结束时间列表，YCi=(YCi,1，YCi,2，…，YCi,j，…，YCi,f(i))；其中，j=1，2，…，f(i)；f(i)≥0；f(i)为YCi中关键预测结束时间的数量；YCi,j为YCi中第j个关键预测结束时间；YCi中的关键预测结束时间按照生成时间从先到后的顺序依次排列。
在本实施例中，在任意飞行任务执行期间，所述预测模型在任意时间接收到输入的该飞行任务的相关数据后均会对该飞行任务的结束时间进行预测，输出对应的预测结束时间。
具体的，每一飞行任务对应的预测模型输出的预测结束时间的数量不一定相同。f(i)为YCi中关键预测结束时间的数量，j=1，2，…，f(i)表示的是f(i)不为0的时候j的取值范围，而在实际应用中，预测模型可能不输出预测时间，那么YCi中关键预测结束时间的数量可能为0，也就是f(i)=0，故而，f(i)≥0。
S300，根据YC和第一预设判定算法，获取第一预测结束时间列表集JD=(JD1，JD2，…，JDi，…，JDn)；JDi为FXi对应的第一预测结束时间列表，JDi=(JDi,1，JDi,2，…，JDi,r，…，JDi,g(i))；其中，r=1，2…，g(i)；g(i)≥0；g(i)为第i个关键飞行任务对应的第一预测结束时间的数量；JDi,r为JDi中第r个第一预测结束时间；所述第一预测结束时间为与所述关键飞行任务的实际结束时间的时间差大于第一预设时间差阈值的关键预测结束时间；所述第一预设时间差阈值根据关键预测结束时间的生成时间确定。
在本实施例中，所述第一预测结束时间为与所述关键飞行任务的实际结束时间的时间差大于第一预设时间差阈值的关键预测结束时间，每一关键飞行任务对应的第一预测结束时间的数量不一定相同，g(i)为第i个关键飞行任务对应的第一预测结束时间的数量；r=1，…，g(i)表示的是g(i)不为0的时候r的取值范围，而在实际应用中，关键预测结束时间列表中可能不存在与所述关键飞行任务的实际结束时间的时间差大于第一预设时间差阈值的关键预测结束时间，那么JDi中关键预测结束时间的数量可能为0，也就是g(i)=0，故而，g(i)≥0。
S400，遍历JD，若JDi不为空，则将第i个关键飞行任务确定为第一飞行任务。
在本实施例中，若JDi不为空，表示第i个关键飞行任务具有对应的第一预测结束时间，则将第i个关键飞行任务确定为第一飞行任务。
S500，根据YC和若干预设的目标时长，确定若干第二飞行任务；所述第二飞行任务为具有第二预测结束时间的关键飞行任务；所述第二预测结束时间为对应的生成时间与对应的实际结束时间的时间差为任意预设的目标时长，且与对应的实际结束时间的时间差大于该目标时长对应的第二预设时间差阈值的关键预测结束时间；每一预设的目标时长均具有对应的第二预设时间差阈值。
在本实施例中，选取关键预测结束时间对应的生成时间与对应的实际结束时间的时间差为任意目标时长的关键预测结束时间进行监测，若该关键预测结束时间与实际结束时间的时间差大于该目标时长对应的第二预设时间差阈值，那么将该关键预测结束时间确定为第二预测结束时间，将该关键预测结束时间对应的关键飞行任务确定为第二飞行任务。在实际应用中，与对应的实际结束时间的时间差为任意目标时长的时间具有一定的使用价值，例如，在航旅APP或者网页中可以设置用户在此时间能够查询到对应的飞行任务的预测结束时间。
S600，根据FX、YC、JD，获取目标监测值列表JC=(JC1，JC2，…，JCk，…，JC5)；其中，k=1，2，…，5；JC1为第一目标监测值，JC1=1/n(∑n i=1(1/f(i))/>(∑f(i) j=1|YCi,j-JTi|))；JC2为第二目标监测值，JC2=1/n/>(∑n i=1(1/f(i))/>(∑f(i) j=1|YCi,j-JTi|/FTi))；JC3为第三目标监测值，JC3=s/n；JC4为第四目标监测值，JC4=(∑n i=1g(i))/(∑n i=1f(i))；JC5为第五目标监测值，JC5=v/n；s为所述第一飞行任务的数量；v为所述第二飞行任务的数量。
在本实施例中，第一目标监测值表示n个飞行任务的预测结束时间与实际结束时间之间的绝对误差的平均值；第二目标监测值表示n个飞行任务的预测结束时间与实际结束时间之间的绝对误差与对应的飞行时长的比值的平均值；第三目标监测值表示第一飞行任务的数量占关键飞行任务的数量的比例；第四目标监测值表示第一预测结束时间的数量占关键预测结束时间的数量的比例；第五目标监测值表示第二飞行任务的数量占关键飞行任务的数量的比例。
S700，若JCk＞Nk，则输出提示信息；所述提示信息用于提示所述预测模型的预测质量异常；Nk为第k个预设阈值。
在本实施例中，每一目标监测值具有对应的预设阈值，能够监测预测模型的预测质量。若JCk＞Nk，则表示所述预测模型输出的预测结束时间异常，该预测模型的预测质量出现问题，需要立即输出提示信息，以便及时优化调整预测模型。
本发明提供的预测模型监测方法，将实际结束时间在目标时间窗口内的每一飞行任务确定为关键飞行任务，以得到关键飞行任务信息列表FX。将每一所述关键飞行任务在执行过程中，预测模型对其输出的预测结束时间确定为关键预测结束时间，以得到关键预测结束时间列表集YC。根据YC和第一预设判定算法，获取第一预测结束时间列表集JD。遍历JD，若JDi不为空，则将第i个关键飞行任务确定为第一飞行任务。根据YC和若干预设的目标时长，确定若干第二飞行任务。根据FX、YC、JD，获取目标监测值列表JC=(JC1，JC2，…，JCk，…，JC5)；若JCk＞Nk，则输出提示信息。本发明提供的预测模型监测方法，能够根据关键飞行任务信息列表、关键预测结束时间列表集以及第一预测结束时间列表集，获取目标监测值，以实现对预测模型的监测，并能够根据目标监测值是否超过预设阈值判断预测模型的预测质量，从而输出提示信息。
在本发明的一种示例性实施例中，所述第一预设判定算法，包括以下步骤：
S310，获取预设的时长范围列表SC=(SC1，SC2，…，SCa，…，SCm)；a=1，2，…，m；m为预设的时长范围的数量；SCa为预设的第a个时长范围；任意两个时长范围相互不重合；每一时长范围具有对应的第一预设时间差阈值。
在本实施例中，所述预设的时长范围可以为：所述关键飞行任务结束时间前30min内、所述关键飞行任务结束时间前30min-60min内、所述关键飞行任务结束时间前60min-120min内、所述关键飞行任务结束时间前120min以上。
具体的，每一预设的时长范围具有对应的第一预设时间差阈值，距离所述关键飞行任务的实际结束时间越近，输入预测模型的关键飞行任务对应的飞行数据相对较多，此时预测模型输出的预测结束时间应该越接近实际结束时间，故而，需要划分不同的时长范围，并设置不同的第一预设时间差阈值，才能更加客观、综合的对预测模型的预测质量进行监测和判断。
进一步的，所述关键飞行任务结束时间前30min内对应的第一预设时间差阈值取值范围为5min-15min，优选的，所述关键飞行任务结束时间前30min内对应的第一预设时间差阈值取值范围为10min。所述关键飞行任务结束时间前30min-60min内对应的第一预设时间差阈值取值范围为5min-15min，优选的，所述关键飞行任务结束时间前30min-60min内对应的第一预设时间差阈值取值范围为10min。所述关键飞行任务结束时间前60min-120min内对应的第一预设时间差阈值取值范围为10min-20min，优选的，所述关键飞行任务结束时间前60min-120min内对应的第一预设时间差阈值取值范围为15min。所述关键飞行任务结束时间前120min以上对应的第一预设时间差阈值取值范围为20min-40min，优选的，所述关键飞行任务结束时间前120min以上对应的第一预设时间差阈值取值范围为30min。
S320，遍历YCi，若|JTi-SYCi,j|∈SCa，则进入步骤S330；其中，SYCi,j为YCi,j的生成时间。
S330，若|JTi-YCi,j|≥NTa，则将YCi,j确定为第一预测结束时间；NTa为第a个时长范围对应的第一预设时间差阈值。
在本实施例中，每一时长范围具有对应的第一预设时间差阈值，通过计算|JTi-SYCi,j|确定SYCi,j所在的时长范围，然后通过比较|JTi-YCi,j|与对应的第一预设时间差阈值，判断对应的关键预测结束时间是否为第一预测结束时间。
在本发明的一种示例性实施例中，所述步骤S500，包括以下步骤：
S510，获取预设的目标时长列表MC=(MC1，MC2，…，MCb，…，MCt)；b=1，2，…，t；t为预设的目标时长的数量；MCb为预设的第b个目标时长。
在本实施例中，所述预设的目标时长可以为：30min、60min、120min。
具体的，每一预设的目标时长具有对应的第二预设时间差阈值，距离所述关键飞行任务的实际结束时间越近，输入预测模型的关键飞行任务对应的飞行数据相对较多，此时预测模型输出的预测结束时间应该越接近实际结束时间，故而，需要划分不同的目标时长，并设置不同的第二预设时间差阈值，才能更加客观、综合的对预测模型的预测质量进行监测和判断。
进一步的，30min对应的第二预设时间差阈值的取值范围为5min-15min，优选的，30min对应的第二预设时间差阈值为10min。60min对应的第二预设时间差阈值的取值范围为10min-20min，优选的，60min对应的第二预设时间差阈值为15min。120min对应的第二预设时间差阈值的取值范围为15min-25min，优选的，120min对应的第二预设时间差阈值为20min。
S520，遍历YCi，若|JTi-SYCi,j|=MCb，则进入步骤S530。
S530，若|JTi-YCi,j|≥NLb，则将YCi,j确定为第二预测结束时间，并将第i个关键飞行任务确定为第二飞行任务；NLb为第b个目标时长对应的第二预设时间差阈值。
在本实施例中，每一预设的目标时长具有对应的第二预设时间差阈值，通过计算|JTi-SYCi,j|确定SYCi,j对应的目标时长，若为预设的目标时长，则通过比较|JTi-YCi,j|与对应的第二预设时间差阈值，判断对应的关键预测结束时间是否为第二预测结束时间。
在本发明的一种示例性实施例中，所述步骤S500之后，所述方法还包括：
S501，若所述第二预测结束时间的生成时间与其对应的实际结束时间的时间差为关键时长，则根据第二预设判定算法，获取所述第二预测结束时间对应的目标原因；所述关键时长为若干预设的目标时长的其中之一；所述目标原因为所述第二预测结束时间产生的原因。
在本实施例中，距离所述关键飞行任务的实际结束时间越近，输入预测模型的关键飞行任务对应的飞行数据相对较多，此时预测模型输出的预测结束时间应该越接近实际结束时间，故而，所述关键时长优选为30min。在实际应用中，对与实际结束时间的时间差为关键时长的第二预测结束时间产生的原因进行分析比较具有代表性，并且能够提高工作效率，减少数据计算量。
在本发明的一种示例性实施例中，所述第二预设判定算法，包括以下步骤：
S502，根据若干预设的偏差产生原因，获取偏差产生原因确定算法列表GQ=（GQ1，GQ2，…，GQx，…，GQy）；其中，x=1，2，…，y；y为预设的偏差产生原因的数量；GQx为第x个预设的偏差产生原因对应的偏差产生原因确定算法；所述GQ中的偏差产生原因确定算法根据准确度从高到低的顺序依次排列。
S503，获取第一目标数值q=1。
S504，若q≤y，则根据GQq确定第q个预设的偏差产生原因是否为目标原因。
S505，若是，则结束当前步骤；否则，获取q=q+1，并进入步骤S504。
在本实施例中，所述偏差产生原因确定算法的准确度不相同，通过偏差产生原因确定算法准确度从高到低的顺序依次确定对应的预设的偏差产生原因是否为目标原因，能够提高工作效率，减少数据计算量。
具体的，所述偏差产生原因确定算法的准确度可以通过实验进行确定或由实际实施人员根据实际需求进行确定。
在本发明的一种示例性实施例中，所述预设的偏差产生原因包括：所述第二飞行任务在执行期间出现偏航情况、预测模型输出的预测结束时间的数量少、无ADS-B数据、所述第二飞行任务的飞行时长短、所述第二飞行任务结束时间前的预设时间范围内所述预测模型没有输出结果、所述第二飞行任务在执行期间出现盘旋情况。
在本实施例中，所述第二飞行任务在执行期间出现偏航情况的确定方法，可以根据所述第二预测结束时间对应的第二飞行任务的预设航线，确定所述第二飞行任务的实际航线是否与预设航线一致，若不一致，则所述第二飞行任务在执行期间出现偏航情况为目标原因。
所述预测模型输出的预测结束时间的数量少的确定方法，可以通过确定所述第二预测结束时间对应的第二飞行任务的结束时间之前的第一时长范围内，所述预测模型输出的预测结束时间的数量是否小于预设数量阈值，若小于，则将所述预测模型输出的预测结束时间的数量少确定为目标原因。
无ADS-B数据的确定方法，可以通过查询所述第二飞行任务在执行期间是否接收到对应的ADS-B数据，若未接收到，则将无ADS-B数据确定为目标原因。
所述第二飞行任务的飞行时长短的确定方法，可以通过判断所述第二飞行任务的飞行时长是否小于预设时长阈值，若小于，则所述第二飞行任务的飞行时长短确定为目标原因。
所述第二飞行任务结束时间前的预设时间范围内所述预测模型没有输出结果的确定方法，可以通过判断所述第二飞行任务的结束时间之前的第二时长范围内，所述预测模型是否输出预测结束时间，若未输出，则将所述第二飞行任务结束时间前的预设时间范围内所述预测模型没有输出结果确定为目标原因。
所述第二飞行任务在执行期间出现盘旋情况的确定方法，可以通过判断所述第二飞行任务在执行过程中，所述第二飞行任务对应的飞行器是否产生预设的盘旋动作，若产生，则将所述第二飞行任务在执行期间出现盘旋情况确定为目标原因。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质，该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
本发明的实施例还提供了一种电子设备，包括处理器和前述的非瞬时性计算机可读存储介质。
本发明的实施例还提供一种计算机程序产品，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。

Claims (8)

1.一种预测模型监测方法，其特征在于，所述方法包括如下步骤：
S100，将实际结束时间在目标时间窗口内的每一飞行任务确定为关键飞行任务，以得到关键飞行任务信息列表FX=(FX1，FX2，…，FXi，…，FXn)；其中，i=1，2，…，n；n为关键飞行任务的数量；FXi为第i个关键飞行任务的关键飞行任务信息；FXi=(JTi，FTi)；JTi为第i个关键飞行任务的实际结束时间；FTi为第i个关键飞行任务的飞行时长；
S200，将每一所述关键飞行任务在执行过程中，预测模型对其输出的预测结束时间确定为关键预测结束时间，以得到关键预测结束时间列表集YC=(YC1，YC2，…，YCi，…，YCn)；YCi为第i个关键飞行任务对应的关键预测结束时间列表，YCi=(YCi,1，YCi,2，…，YCi,j，…，YCi,f(i))；其中，j=1，2，…，f(i)；f(i)≥0；f(i)为YCi中关键预测结束时间的数量；YCi,j为YCi中第j个关键预测结束时间；YCi中的关键预测结束时间按照生成时间从先到后的顺序依次排列；
S300，根据YC和第一预设判定算法，获取第一预测结束时间列表集JD=(JD1，JD2，…，JDi，…，JDn)；JDi为FXi对应的第一预测结束时间列表，JDi=(JDi,1，JDi,2，…，JDi,r，…，JDi,g(i))；其中，r=1，2，…，g(i)；g(i)≥0；g(i)为第i个关键飞行任务对应的第一预测结束时间的数量；JDi,r为JDi中第r个第一预测结束时间；所述第一预测结束时间为与所述关键飞行任务的实际结束时间的时间差大于第一预设时间差阈值的关键预测结束时间；所述第一预设时间差阈值根据关键预测结束时间的生成时间确定；
S400，遍历JD，若JDi不为空，则将第i个关键飞行任务确定为第一飞行任务；
S500，根据YC和若干预设的目标时长，确定若干第二飞行任务；所述第二飞行任务为具有第二预测结束时间的关键飞行任务；所述第二预测结束时间为对应的生成时间与对应的实际结束时间的时间差为任意预设的目标时长，且与对应的实际结束时间的时间差大于该目标时长对应的第二预设时间差阈值的关键预测结束时间；每一预设的目标时长均具有对应的第二预设时间差阈值；
S600，根据FX、YC、JD，获取目标监测值列表JC=(JC1，JC2，…，JCk，…，JC5)；其中，k=1，2，…，5；JC1为第一目标监测值，JC1=1/n(∑n i=1(1/f(i))/>(∑f(i) j=1|YCi,j-JTi|))；JC2为第二目标监测值，JC2=1/n/>(∑n i=1(1/f(i))/>(∑f(i) j=1|YCi,j-JTi|/FTi))；JC3为第三目标监测值，JC3=s/n；JC4为第四目标监测值，JC4=(∑n i=1g(i))/(∑n i=1f(i))；JC5为第五目标监测值，JC5=v/n；s为所述第一飞行任务的数量；v为所述第二飞行任务的数量；
S700，若JCk＞Nk，则输出提示信息；所述提示信息用于提示所述预测模型的预测质量异常；Nk为第k个预设阈值。
2.根据权利要求1所述的方法，其特征在于，所述第一预设判定算法，包括以下步骤：
S310，获取预设的时长范围列表SC=(SC1，SC2，…，SCa，…，SCm)；a=1，2，…，m；m为预设的时长范围的数量；SCa为预设的第a个时长范围；任意两个预设的时长范围相互不重合；每一预设的时长范围具有对应的第一预设时间差阈值；
S320，遍历YCi，若|JTi-SYCi,j|∈SCa，则进入步骤S330；其中，SYCi,j为YCi,j的生成时间；
S330，若|JTi-YCi,j|≥NTa，则将YCi,j确定为第一预测结束时间；NTa为第a个时长范围对应的第一预设时间差阈值。
3.根据权利要求2所述的方法，其特征在于，所述步骤S500，包括以下步骤：
S510，获取预设的目标时长列表MC=(MC1，MC2，…，MCb，…，MCt)；b=1，2，…，t；t为预设的目标时长的数量；MCb为预设的第b个目标时长；
S520，遍历YCi，若|JTi-SYCi,j|=MCb，则进入步骤S530；
S530，若|JTi-YCi,j|≥NLb，则将YCi,j确定为第二预测结束时间，并将第i个关键飞行任务确定为第二飞行任务；NLb为预设的第b个目标时长对应的第二预设时间差阈值。
4.根据权利要求1所述的方法，其特征在于，所述步骤S500之后，所述方法还包括：
S501，若所述第二预测结束时间的生成时间与其对应的实际结束时间的时间差为关键时长，则根据第二预设判定算法，获取所述第二预测结束时间对应的目标原因；所述关键时长为若干预设的目标时长的其中之一；所述目标原因为所述第二预测结束时间产生的原因。
5.根据权利要求4所述的方法，其特征在于，所述第二预设判定算法，包括以下步骤：
S502，根据若干预设的偏差产生原因，获取偏差产生原因确定算法列表GQ=（GQ1，GQ2，…，GQx，…，GQy）；其中，x=1，2，…，y；y为预设的偏差产生原因的数量；GQx为第x个预设的偏差产生原因对应的偏差产生原因确定算法；所述GQ中的偏差产生原因确定算法根据准确度从高到低的顺序依次排列；
S503，获取第一目标数值q=1；
S504，若q≤y，则根据GQq确定第q个预设的偏差产生原因是否为目标原因；
S505，若是，则结束当前步骤；否则，获取q=q+1，并进入步骤S504。
6.根据权利要求5所述的方法，其特征在于，所述预设的偏差产生原因包括：所述第二飞行任务在执行期间出现偏航情况、预测模型输出的预测结束时间的数量少、无ADS-B数据、所述第二飞行任务的飞行时长短、所述第二飞行任务结束时间前的预设时间范围内所述预测模型没有输出结果、所述第二飞行任务在执行期间出现盘旋情况。
7.一种非瞬时性计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-6中任意一项的所述方法。
8.一种电子设备，其特征在于，包括处理器和权利要求7中所述的非瞬时性计算机可读存储介质。
CN202410090983.6A 2024-01-23 2024-01-23 一种预测模型监测方法、存储介质及电子设备 Active CN117610746B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410090983.6A CN117610746B (zh) 2024-01-23 2024-01-23 一种预测模型监测方法、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410090983.6A CN117610746B (zh) 2024-01-23 2024-01-23 一种预测模型监测方法、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN117610746A true CN117610746A (zh) 2024-02-27
CN117610746B CN117610746B (zh) 2024-04-19

Family

ID=89953822

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410090983.6A Active CN117610746B (zh) 2024-01-23 2024-01-23 一种预测模型监测方法、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN117610746B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016152053A1 (ja) * 2015-03-23 2016-09-29 日本電気株式会社 精度推定モデル生成システムおよび精度推定システム
US20180173854A1 (en) * 2016-12-21 2018-06-21 Cerner Innovation, Inc. Monitoring predictive models
CN116306937A (zh) * 2023-03-22 2023-06-23 中航信移动科技有限公司 一种基于时间序列离线数据的规则提取方法、介质及设备
CN116862035A (zh) * 2022-03-24 2023-10-10 北京沃东天骏信息技术有限公司 航延预测方法、装置、设备和计算机可读存储介质
CN116911434A (zh) * 2023-06-08 2023-10-20 桂林电子科技大学 一种机场运行态势预测方法、装置、系统以及存储介质
CN117035060A (zh) * 2023-08-07 2023-11-10 中国民航大学 一种基于cc-midnn的飞机到港时间预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016152053A1 (ja) * 2015-03-23 2016-09-29 日本電気株式会社 精度推定モデル生成システムおよび精度推定システム
US20180173854A1 (en) * 2016-12-21 2018-06-21 Cerner Innovation, Inc. Monitoring predictive models
CN116862035A (zh) * 2022-03-24 2023-10-10 北京沃东天骏信息技术有限公司 航延预测方法、装置、设备和计算机可读存储介质
CN116306937A (zh) * 2023-03-22 2023-06-23 中航信移动科技有限公司 一种基于时间序列离线数据的规则提取方法、介质及设备
CN116911434A (zh) * 2023-06-08 2023-10-20 桂林电子科技大学 一种机场运行态势预测方法、装置、系统以及存储介质
CN117035060A (zh) * 2023-08-07 2023-11-10 中国民航大学 一种基于cc-midnn的飞机到港时间预测方法

Also Published As

Publication number Publication date
CN117610746B (zh) 2024-04-19

Similar Documents

Publication Publication Date Title
US8346505B2 (en) Method and apparatus for analyzing time series data
Budylina et al. Control of multiobjective complex systems
CN110994704B (zh) 一种暂态稳定预防控制辅助决策方法、装置及电子设备
CN110570544A (zh) 飞机燃油系统故障识别方法、装置、设备和存储介质
CN113657814B (zh) 一种航空网络风险预测方法及风险等级评估方法
CN112800616A (zh) 基于比例加速退化建模的设备剩余寿命自适应预测方法
Arcari et al. Dual stochastic MPC for systems with parametric and structural uncertainty
Levasseur et al. Efficient generation of ground impact probability maps by neural networks for risk analysis of UAV missions
CN111582919A (zh) 一种航班客座率预测方法和系统
CN117610746B (zh) 一种预测模型监测方法、存储介质及电子设备
US10417651B2 (en) Fuel consumption predictions using associative memories
CN108829987A (zh) 一种数据驱动型概率评估方法
CN110826881B (zh) 考虑不确定干扰的航天器在轨健康状态评估方法和系统
Hu et al. Certification analysis for a model-based UAV fault detection system
CN114692760B (zh) 下降率估算模型构建、下降率估算方法、装置及电子设备
CN111160594A (zh) 一种到达时间的预估方法、装置及存储介质
Li et al. Polynomial approximation of optimal event triggers for state estimation problems using sostools
CN115309513A (zh) 基于事件的决策方法、系统、存储介质及计算机设备
CN113850428A (zh) 作业调度的预测处理方法、装置和电子设备
Jekel et al. Risk allocation for design optimization with unidentified statistical distributions
WO2012048734A1 (en) Method for controlling an industrial process
Vanderhaegen Mirror effect based learning systems to predict human errors-Application to the air traffic control
Zaliskyi et al. Analysis and optimization of diagnostic procedures for aviation radioelectronic equipment
de Matos et al. Using design patterns for safety assessment of integrated modular avionics
Wang et al. Reliability analysis and design considering disjointed active failure regions

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant