买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国民航大学申请的专利一种用于预测航班周转关键事件发生时间的数据处理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120317461B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510813963.1，技术领域涉及：G06Q10/04；该发明授权一种用于预测航班周转关键事件发生时间的数据处理方法是由徐涛;张骞;卓思雨;吕宗磊;谢继文;冯霞设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本一种用于预测航班周转关键事件发生时间的数据处理方法在说明书摘要公布了：本发明提供了一种用于预测航班周转关键事件发生时间的数据处理方法，包括：获取当前需要处理的待处理数据集；所述待处理数据集包括至少一个事件关联信息；将待处理数据集输入至多个目标发生时间预测模型中，得到多个事件发生时间预测结果；将多个事件发生时间预测结果进行加权融合，得到待处理数据集中的每个事件关联信息对应的事件发生时间的预测值；基于预设参考数据库，对每个事件关联信息对应的事件发生时间的预测值进行调整，得到每个事件关联信息对应的事件发生时间的目标预测值。本发明能够使得预测的事件发生时间尽可能的准确。

本发明授权一种用于预测航班周转关键事件发生时间的数据处理方法在权利要求书中公布了：1.一种用于预测航班周转关键事件发生时间的数据处理方法，其特征在于，航班周转关键事件发生时间为事件关联对象从到达指定地理区域到离开指定地理区域所经历的航班周转关键事件的发生时间，所述方法包括如下步骤： S100，获取当前需要处理的待处理数据集；所述待处理数据集包括至少一个事件关联信息，所述事件关联信息包括事件关联对象基本信息、天气数据和事件关联对象的用户数量； S200，将待处理数据集输入至多个目标发生时间预测模型中，得到多个事件发生时间预测结果； S300，将多个事件发生时间预测结果进行加权融合，得到待处理数据集中的每个事件关联信息对应的事件发生时间的预测值； S400，基于预设参考数据库，对每个事件关联信息对应的事件发生时间的预测值进行调整，得到每个事件关联信息对应的事件发生时间的目标预测值，预设参考数据库中存储有多个参考数据，每个参考数据包括对应的事件关联信息和事件发生时间的真实时间； 所述多个目标发生时间预测模型通过如下步骤获取： S10，基于基础数据集，对预先构建的多个初始时间预测模型进行训练，以获取对每个事件发生时间进行预测的初始时间预测模型； S20，对每个事件发生时间的初始时间预测模型的超参数组合进行调整，获取每个事件发生时间的初始时间预测模型的最优超参数组合，得到每个事件发生时间的中间时间预测模型； S30，基于初始输入特征和每个事件发生时间的中间发生时间预测模型，获取每个事件发生时间的关联组合特征； S40，将每个事件发生时间的关联组合特征加入初始输入特征中，得到每个事件发生时间的目标输入特征，并基于每个事件发生时间的目标输入特征和基础数据集，对每个事件发生时间的中间时间预测模型进行训练，得到训练后的每个事件发生时间的中间时间预测模型，作为每个事件发生时间的目标发生时间预测模型； 在S30中，第j个事件发生时间的关联组合特征通过如下步骤获取： S301，获取初始输入特征对应的关联特征集；关联特征集为由初始输入特征中的每个特征所对应的分类特征形成的集合； S302，基于所述关联特征集，获取多个关联特征组合；其中，任一关联特征组合包括第一组合和第二组合，第一组合包括至少一个关联特征，第二组合包括至少一个关联特征，并且第一组合和第二组合之间不存在相同的关联特征； S303，基于第j个事件发生时间的中间时间预测模型，获取每个关联特征组合的关联权重；其中，每个关联特征组合对应的关联权重满足如下条件：I（X1，X2）=log2[P（X1，X2）P（X1）P（X2）]，其中，I（X1，X2）为关联特征组合（X1，X2）的关联权重，X1为关联特征组合（X1，X2）中的第一组合，X2为关联特征组合（X1，X2）中的第二组合，P（X1，X2）为关联特征组合（X1，X2）的联合权重，P（X1）为X1的边缘权重，P（X2）为X2的边缘权重； S304，将具有最大关联权重的关联特征组合作为j个事件发生时间的关联组合特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国民航大学，其通讯地址为：300300 天津市东丽区津北公路2898号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。