1.一种机场航班大面积延误风险的预测方法，其特征在于，包括以下步骤：(1)对收集的历史数据行预处理；(2)对预处理后的数据构造预测模型的输入特征，利用随机森林算法进行影响延误的特征的关键因子筛选，并对筛选后的数据进行数值处理，然后随机抽样，分为训练集和测试集；(3)针对上述数据，结合关键因子作为特征，运用canopy聚类进行粗略聚类，找出初始簇；(4)利用canopy找出的簇作为k值，利用K-means算法进行多特征的精聚类；(5)计算每个簇中大面积延误的发生概率；(6)通过输入某小时机场天气和航班信息，进行分类，得出该小时机场航班大面积延误风险的预测结果；步骤(2)进行输入特征值的构造过程如下：在随机森林算法中通过基尼指数计算节点的不纯度衡量特征重要性，基尼指数用GI来表示，变量重要性评分用VIM来表示，假设有t个特征分别为X 1 ，X 2 ，……X t ，特征X j 在节点m的重要性公式为： 其中，GI l 和GI r 分别表示分枝后两个新节点的Gini指数，Gini指数的计算公式为：假设随机森林中有n颗树，那么：把所有求得的VIM进行归一化处理，筛选出重要性比较高的变量作为后续聚类特征因子；所述步骤(5)包括以下步骤：(51)以单位小时航班数据集中，发生离港延误的航班数量除以该小时离港航班总数量，计算航班延误率，将大于等于80％的标记为1，否则为0；计算公式为：航班延误率＝延误航班数量/航班总量；(52)按照步骤(51)的方法，逐一计算出某一簇中的所有单位小时航班数据集，用标记为1的数量除以总的点数，则认为它是在一定的天气特征和航班状况相结合的条件下，机场发生大面积延误的概率；计算公式为：机场发生大面积延误航班概率＝标记1的数量/一个簇中的总点数；(53)重复步骤(51)和步骤(52)，分别算出每个簇在其相应的条件状况下发生大面积延误的概率。
2.根据权利要求1所述的一种机场航班大面积延误风险的预测方法，其特征在于，所述历史数据类型主要包括机场天气信息和机场航班信息。
3.根据权利要求1所述的一种机场航班大面积延误风险的预测方法，其特征在于，所述步骤(1)包括以下步骤：(11)对机场天气信息和机场航班信息进行清洗，清除缺失数据、错误数据和重复数据；(12)对机场天气类型信息、机型信息进行类别特征数值化，按照其对延误的影响，划分为不同的等级；(13)对所述数据按照单位每小时进行整理。
4.根据权利要求1所述的一种机场航班大面积延误风险的预测方法，其特征在于，步骤(2)的对数据进行数值处理并随机抽样过程如下：对能见度信息进行数据范围划分，并用类别特征数值化处理；对起飞延误时长信息进行归一化数值处理；对数值化处理后的数据进行随机抽样，从数据库中每月信息中随机抽取25天作为训练集，每月剩下的5天作为测试集。
