Интеллектуальный анализ временных паттернов задержек авиарейсов с применением гибридной нейросетевой архитектуры на основе BILSTM и MULTI--HEAD ATTENTION

Abstract

В статье представлен инновационный подход к прогнозированию задержек авиарейсов в гражданской авиации на основе гибридной нейросетевой архитектуры, сочетающей двунаправленные рекуррентные слои (BiLSTM) и механизм множественного внимания (Multi-Head Attention). В качестве входных данных используются временные, логистические, операционные и погодные признаки, обогащённые с помощью внешних API (Geoapify и Open-Meteo). Подбор гиперпараметров архитектуры осуществляется автоматически с помощью фреймворка Optuna.The paper presents an innovative approach to forecasting flight delays in civil aviation based on a hybrid neural network architecture combining bidirectional recurrent layers (BiLSTM) and a multi-head attention mechanism. The input data consist of temporal, logistical, operational, and weather-related features, enriched via external APIs (Geoapify and Open-Meteo). Hyperparameter optimization for both the architecture and training process is performed automatically using the Optuna framework.