一种基于三分支融合与特征加权的空域交通延误预测方法

本发明针对终端区航班延误预测中传统方法难以有效表达复杂空域动态及多模态信息融合不足的问题，提出了一种基于三分支融合与特征加权的空域交通延误预测方法。构建了进港与离港多通道态势图像，利用航班量、平均飞行速度和高度等数据转换为空中交通多模态图像输入。设计了进港与离港双分支卷积神经网络，通过注意力机制和融合分支实现跨分支时空特征交互与加权融合，增强对空域动态变化的感知能力。引入基于Transformer的全局依赖建模，提升长距离时空特征表达。结合多尺度特征学习与图像增强策略，进一步增强模型泛化性能。该方法在终端区航班延误分类预测中，准确性和鲁棒性显著优于传统结构化特征模型，适用于智能航班调度和空管辅助决策。