1.一种机场清水车服务时间的预测方法，其特征在于，包括如下步骤：步骤1，针对待预测机场，获取该机场清水车运行保障数据，包括离港航班号、机型、机型大类、始发地机场、目的地机场、计划离港时间、实际离港时间、清水车开始服务时间和清水车结束服务时间，共9个属性，对保障数据进行清洗和计算；步骤2，对于保障数据的9个属性，其中，实际离港时间和清水车结束服务时间的确定时间均晚于清水车开始服务时间，将这两个属性去除后的剩余7个属性作为初始分组属性；步骤3，对剩余7个属性进行组合，计算每种组合下保障数据划分的分组方案数量即复杂度，设置复杂度阈值，若某组合计算得到的分组方案数量小于复杂度阈值，则保留该组合对应的分组方案，否则筛去该组合对应的分组方案；所述每种组合下保障数据划分的分组方案数量即复杂度，计算公式为：其中，D表示从剩余7个属性中选取m个属性进行组合时计算得到的保障数据划分的复杂度，m表示用于计算复杂度的所有属性的总数，n＝1,…,m，a n 表示第n个属性去重后的数据总数，i＝1,…,a n ；需要去重的属性为计划离港时间和清水车开始服务时间，将时间精度为5分钟的计划离港时间转换为精度为1、2、3、4、6、8、12或24小时的计划离港时间，将时间精度为1分钟的清水车开始服务时间转换为精度为1、2、3、4、6、8、12或24小时的清水车开始服务时间；步骤4，对于步骤3保留下来的各组合对应的分组方案，组合的属性标签即对应的分组方案的属性标签，若某分组方案中的保障数据数量小于40，则删除该分组方案，对于剩下的分组方案，采用卡方检验方法进行两次交叉的卡方检验，若存在两个分组方案两次交叉的卡方检验都在99.9％的置信水平上显著不属于同一个经验概率分布，则将这两个分组方案都保留；否则将这两个分组方案合并为一个分组方案；步骤5，对于步骤4得到的所有分组方案，对每一个分组方案进行概率分布拟合和概率分布检验，得到该分组方案的最终概率分布；步骤6，对于待预测清水车服务时间的保障数据，若该保障数据满足步骤4得到的某个分组方案的所有属性标签，则将该分组方案作为该保障数据的备选分组，从而得到所有备选分组；步骤7，对于每个备选分组，根据预设的预测精度，对待预测清水车服务时间进行初始预测，得到该备选分组对应的初始预测清水车服务时间下限和上限；所述初始预测的计算公式为：其中，d表示预设的预测精度下的预测正确概率值，b表示预测的清水车服务时间下限，Δc表示预测的清水车服务时间的预设精度，b+Δc表示预测的清水车服务时间上限，p(x)表示该备选分组的概率分布函数；当d b ′恒大于0时，b取值为其定义域最大值减去Δc；当d b ′恒小于0时，b取值为其定义域最小值；当d b ′不恒大于并且不恒小于0时，b取值为d b ′等于0时d的最大值；步骤8，根据所有备选分组各自对应的初始预测清水车服务时间下限和上限，求期望得到最终预测结果。
2.根据权利要求1所述机场清水车服务时间的预测方法，其特征在于，步骤1所述始发地机场即待预测机场；计划离港时间为离港航班提前申报的自始发地机场撤轮档的计划时间，时间精度为5分钟；实际离港时间为离港航班在实际运行中自始发地机场撤轮档的实际时间，时间精度为1分钟；清水车开始服务时间和清水车结束服务时间分别为离港航班在实际运行中，机场清水车实际为离港航班开始加注清水和结束加注清水操作的时间点，时间精度均为1分钟。
3.根据权利要求1所述机场清水车服务时间的预测方法，其特征在于，步骤1所述对保障数据进行清洗和计算，具体为：对于每条保障数据，如果该条数据的清水车开始服务时间和清水车结束服务时间中的至少一个为错误形式，则将该条数据移除；针对经过清洗后的每条保障数据，将该条数据的清水车结束服务时间减去清水车开始服务时间，得到该条数据的清水车服务时间，清水车服务时间的时间精度为1分钟。
4.根据权利要求1所述机场清水车服务时间的预测方法，其特征在于，步骤5所述对每一个分组方案进行概率分布拟合和概率分布检验，得到该分组方案的最终概率分布，具体为：针对一个分组方案，采用20种概率分布分别对清水车服务时间进行拟合，使用最大似然法求解各概率分布参数，其中20种概率分布包括4大类：单参数概率分布、双参数概率分布、三参数概率分布和四参数概率分布；单参数概率分布包括：指数分布、泊松分布和瑞利分布；双参数分布包括：伯恩鲍姆桑德斯分布、极值分布、伽马分布、半正态分布、逆高斯分布、逻辑分布、对数逻辑分布、对数正态分布、中上分布、正态分布、莱斯分布和威布尔分布；三参数分布包括：伯尔分布、广义极值分布、广义帕累托分布和t位置尺度分布；四参数分布包括：稳定分布；对该分组方案的20种概率分布拟合结果进行卡方检验，选取拟合优度最高的概率分布作为该分组方案的最终概率分布。
5.根据权利要求1所述机场清水车服务时间的预测方法，其特征在于，所述步骤8的计算公式为：其中，F 0 和F 1 分别表示最终预测结果的下限和上限， 和 分别表示第j个备选分组的初始预测的下限和上限，G j 分别表示第j个备选分组对应的概率分布拟合优度，k表示所有备选分组的数量。
