| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 关于航班延误的研究 | 第13-14页 |
| 1.2.2 关于恶劣天气和航班延误关系的研究 | 第14-16页 |
| 1.3 本文主要工作 | 第16-18页 |
| 第二章 恶劣天气对航班运行的影响 | 第18-24页 |
| 2.1 常见的恶劣天气及其影响 | 第18-22页 |
| 2.2 恶劣气象条件的界定标准 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 历史航班信息数据和气象报文数据预处理 | 第24-39页 |
| 3.1 气象报文数据的识别与预处理 | 第24-26页 |
| 3.2 航班信息的识别与预处理 | 第26-32页 |
| 3.2.1 历史航班信息数据预处理 | 第26-27页 |
| 3.2.2 飞行误差对总延误的影响 | 第27-28页 |
| 3.2.3 航班延误波及效应分析 | 第28-32页 |
| 3.3 异常检测 | 第32-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 京沪航段延误预测模型 | 第39-51页 |
| 4.1 决策树算法 | 第39-40页 |
| 4.2 基于C5.0 算法的京沪航段延误预测模型构建 | 第40-43页 |
| 4.3 基于C5.0 算法的京沪航段延误预测模型优化 | 第43-48页 |
| 4.3.1 Boosting算法 | 第43-45页 |
| 4.3.2 决策树剪枝 | 第45-47页 |
| 4.3.3 判误矩阵 | 第47-48页 |
| 4.4 本章算例 | 第48页 |
| 4.5 本章小结 | 第48-51页 |
| 第五章 基于神经网络的全国主要城市对航线延误预测模型 | 第51-59页 |
| 5.1 全国主要城市对航线网络的构建 | 第51-52页 |
| 5.2 BP神经网络原理 | 第52-54页 |
| 5.3 基于BP神经网络的全国航线网络延误预测模型仿真实验 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 在学期间的研究成果及发表的学术论文 | 第67页 |
