一种航班延误预测方法、系统、计算机设备及存储介质

本发明提供了一种航班延误预测方法、系统、计算机设备及存储介质，属于交通延误预测技术领域，首先，通过遗传算法（GA）对细菌觅食算法（BFA）进行优化，以提高算法的全局搜索能力和收敛速度。其次，利用优化后的BFA算法对深度神经网络DNN的结构和参数进行优化，构建了一个基于双隐藏层的深度神经网络模型。该模型通过引入注意力机制和残差块，提高了非线性映射能力和泛化能力，有效防止了模型过拟合。此外，本发明将航班数据与天气状况数据相结合，进一步提升了预测的准确性。通过多项指标对模型性能进行评估，结果表明该方法能够有效解决DNN结构和参数选择的难题，显著提高了模型的训练效率和泛化能力。