文章详情

摘要

航班延误会对航空公司、机场、旅客造成一定程度的资源浪费。研究航班延误问题，可为外界提供更好的决策支持和服务。传统统计方法和机器学习技术在处理存在多重共线性的数据时存在一些局限，因此，将航班数据进行张量分解，可以将这些多维的航班数据进行有效的分解与降维处理，挖掘数据中的隐藏模式和关联。首先，根据Tucker分解后的因子对其进行了可视化解释，接着运用CANDECOMP/PARAFAC（CP）分解进行一定解释，最后再通过CP分解和Tucker分解两种分解方法进行比较。研究发现，不同机场模式、相同天气模式下，其航班延误程度可能存在相同关系，机场模式对航班是否延误具有一定影响。此外，大雨天气下，机场航班起飞降落可能受影响较大，容易出现重度延误。

关键词

航班延误；张量分解；CANDECOMP/PARAFAC分解；Tucker分解

参考文献

1. [1] Robinson P J. The Influence of Weather on Flight Operations at the Atlanta Hartsfield International Airport[J]. Weather Forecast，1989，4（4）：461-468.
2. [2] Hitchcock F L. The Expression of a Tensor or a Polyadic as a Sum of Products[J].Journal of Mathematics and Physics，1927，6（1）：164-189.
3. [3] Tucker L. Some Mathematical Notes on Three-Mode Factor Analysis[J].Psychometrika，1966，31（3）：279-311.
4. [4] Kolda T G，Bader B W. Tensor Decompositions and Applications[J].Society for Industrial and Applied Mathematics Review，2009，51（3）：455-500.
5. [5] Andrzej C，Mandic D，Lathauwer L D，et al. Tensor Decompositions for Signal Processing Applications From Two way to Multiway Component Analysis[J]. IEEE Signal Processing Magazine，2015，32（2）：145-163.
6. [6] Fu X，Vervliet N，Lathauwer L D，et al. Computing Large-Scale Matrix and Tensor Decomposition With Structured Factors:A Unified Nonconvex Optimization Perspective[J].IEEE Signal Processing Magazine，2020，37（5）：78-94.
7. [7] McNeil M，Bogdanov P. Multi-Dictionary Tensor Decomposition[C]//2023 IEEE International Conference on Data Mining (ICDM).Shanghai：IEEE，2023：1217-1222.
8. [8] Lee J，Han D，Kwon O K，et al. GPUTucker: Large-Scale GPU-Based Tucker Decomposition Using Tensor Partitioning[J/OL].Expert Systems With Applications，2024，237（PA）：121445[2025-11-07].https://www.sciencedirect.com/science/article/pii/S0957417423019474.
9. [9] Zhu Z，Sun L，Chen X Q，et al. Integrating Probabilistic Tensor Factorization with Bayesian Supervised Learning for Dynamic Ridesharing Pattern Analysis[J/OL]. Transportation Research Part C: Emerging Technologies, 2021, 125: 103010.https://doi.org/10.1016/j.trc.2020.102916.
10. [10] Sun L J，Axhausen K W. Understanding Urban Mobility Patterns with a Probabilistic Tensor Factorization Framework[J]. Transportation Research Part B: Methodological，2016，91：511-524.

作者简介

陈伟（1998—），男，汉族，湖南永州人，讲师，硕士研究生，研究方向：数理统计、机器学习。