一种基于KAN和K-means聚类方法的机场安检排队人数预测方法

本发明公开了一种基于KAN和K‑means聚类方法的机场安检排队人数预测方法，涉及机场安检排队人数预测领域，包括：构建多特征数据并预处理；通过KAN回归模型对预处理的各样本数据进行预测，划分正常和异常数据集，训练KAN分类模型得到分类器；对正常异常数据集进行聚类，对于聚类后的每个簇分别使用多个模型进行训练和测试，保留预测效果最好的模型；使用分类器分类预测数据，进一步确定预测数据相似度最高的聚类中心，使用对应的预测模型进行预测，得到最终安检排队人数预测结果。发明不仅有效提高了安检排队人数的预测精度，也为机场智能化运维、人员调度优化、资源动态配置提供了重要技术支撑，具有显著的社会效益与经济价值。