一种基于深度时空图卷积神经网络的航空器滑行时间预测方法

本发明公开了一种基于深度时空图卷积神经网络的航空器滑行时间预测方法，旨在提高滑行时间预测的准确性。该方法构建了机场运行环境的时空图模型，将滑行过程中不同位置的时空特征，通过图结构进行表达。利用图神经网络捕捉滑行过程中复杂的空间依赖关系，并通过时序模块处理时间序列数据，生成精确的滑行时间预测。相比传统方法，本发明能够更好地捕捉航空器滑行过程中的动态特征，适用于大规模机场的滑行时间预测，具有较高的泛化能力和实用性。