论文部分内容阅读
传统的机器学习与自然界的智能体或者人类相比仍然存在一定差距,主要表现在迁移泛化能力不强、抗干扰能力弱等方面。鉴于此,有专家学者提出了下一代机器学习研究方法——因果表征学习。因果表征学习主要基于因果结构,既能从物理现实中抽象建模,又能够做到一定的模型抗扰动、实现反事实推理。民用航空业具有运行和安全系统复杂、运行安全要求高,数据量庞大等特点,具备机器学习研究问题的基本特征。本文首先使用常见集成机器学习算法对公开航班数据集的延误情况进行预测,再通过因果表征和贝叶斯网络模型相结合,针对公务机航班运行数据进行了延误预测,并进行了性能指标评估和与集成学习算法进行性能对比。