用于空运应用的合成延迟时间序列生成
机器学习
2026-01-09 v1
摘要
合成数据生成正越来越受到科学界的关注，由于其能够解决数据稀缺和隐私问题，正在在空运领域找到应用。本文聚焦于生成符合现实感的机场延迟时间序列，基于欧洲和美国的大量运营数据。我们具体比较了三种模型，其中两种基于最先进的深度学习算法，另一种是简化的遗传算法方法。我们展示，后者能够生成与真实数据几乎无法区分的时间序列，同时保持高 Variability。我们进一步在检测机场间延迟传播问题中验证了所生成的时间序列。最后，我们将合成数据公开提供给科学界。
引用
@article{arxiv.2601.04279,
title = {Generation of synthetic delay time series for air transport applications},
author = {Pau Esteve and Massimiliano Zanin},
journal= {arXiv preprint arXiv:2601.04279},
year = {2026}
}
备注
18 pages, 13 figures