1.一种用于机场航班时刻优化的树型防火墙容量配置方法，其特征在于，包括：S1、获取机场时隙协调参数数据和机场初始航班计划；S2、利用所述机场时隙协调参数数据建立机场容量场景集；S3、获取所述容量场景集对应的期望延误水平；S4、利用所述容量场景集和所述容量场景集对应的期望延误水平，建立训练数据集；S5、利用所述训练数据集，基于决策树算法训练初始决策树；S6、利用所述初始决策树获取融合防火墙的树型容量配置文件；S7、利用所述树型容量配置文件建立航班时刻优化模型；在S2中，包括：S21、利用机场公布容量，确定机场期望防火墙时段的容量取值范围，得到防火墙容量集；S22、在机场繁忙时段内，将期望防火墙时段的容量设置为防火墙容量集内的元素，并将机场高峰时段的容量设置为机场公布容量，获得包含所有防火墙容量组合的容量场景集作为所述容量场景集；在S21中，包括：设置机场期望防火墙时段取得的容量最大值为c max ＝c d ，c d 表示所述机场公布容量，设置机场期望防火墙时段取得的容量最小值为c min ＝round(0.8c d )，round(·)表示取整运算，从而获得机场期望防火墙时段的容量取值范围为[c min ,c max ]，防火墙容量集为C f ＝{c min ,c min +1,...,c max }；在S22中，包括：设置机场期望防火墙时段f G ，则f G ∈F，f G 的容量为c f ，c f ∈C f ，C f 表示防火墙容量集，其中，机场繁忙时段集为H＝{h 1 .h 2 ,...,h L }，机场期望防火墙时段集为F＝{f 1 ,f 2 ,...,f G }， L表示一天中的时段个数，h L 表示第L个时段，G表示防火墙时段的个数，f G 表示第G个防火墙时段；和，设置机场高峰时段h l ，h l ∈H\F，h l 的容量为c d ，l表示高峰时段序号，遍历所有的机场容量配置方案，获得容量场景集 其中， 表示第n G 个容量场景；其中，将容量场景集元素作为到达率输入随机动态排队模型后，计算每个容量场景的平均延误时间，获得容量场景集内各元素的期望延误水平 表示第n G 个容量场景对应的期望延误水平；所述随机动态排队模型具体为：M(t)/E k (t)/1，将所述容量场景集元素作为到达率，分别计算每个容量场景的平均延误时间，M(t)表示到达时间间隔服从指数分布，E k (t)表示服务时间服从k阶Erlang分布，t表示排队模型具有动态性，即服务率和到达率会随着时间变化；所述随机动态排队模型中的服务率记为μ；在S4中，包括：提取容量场景集的容量特征，所述容量场景集的容量特征包括：每个防火墙的容量与容量场景的总容量，其中容量场景的总容量为容量场景内各时段容量之和；以容量场景集内的每个容量场景对应的容量特征和期望延误作为一条数据记录，建立反映了容量特征与期望延误对应关系的训练数据集；在S6中，包括：检索获取初始决策树中每个叶节点包含的样本，并提取样本的容量特征边界；串联每个叶节点及其容量特征边界，获取新路径；取所有新路径中总容量特征的最大值作为父节点，并将每个叶节点的新路径并联，得到所述融合防火墙的树型容量配置文件；在S7中，包括：计算初始航班计划的总需求，并从树型容量配置文件中选择可用路径，其中，所述可用路径的最大总容量大于等于初始航班计划总需求，和，期望延误水平小于等于机场可接受延误水平；针对每个可用路径，构造航班时刻优化模型，并计算初始航班计划的最小总偏移量；在S7之后，还包括：通过比较各路径构造航班时刻优化模型所获目标值的最小值，确定优化后的航班时刻分配方案。
2.根据权利要求1所述的方法，其特征在于，所述机场时隙协调参数数据包括：机场公布容量、机场协调时段、机场繁忙时段、机场期望防火墙时段、机场可接受延误水平和机场最小周转时间。
3.根据权利要求1所述的方法，其特征在于，在S5中，包括：通过所述决策树算法中的分类回归树，将输入所述训练数据集中的容量特征FC作为解释变量，将输入所述训练数据集中的期望延误水平D作为解释变量；在训练分类回归树的过程中，不断调整所述分类回归树的深度并禁用剪枝策略，直至获取精度为1的初始决策树。
4.根据权利要求1所述的方法，其特征在于，在计算初始航班计划的最小总偏移量的过程中，包括：在所述航班时刻优化模型中，每个航班只获得一个时刻，每个航班对的时间间隔不小于机场最小周转时间；将路径对应的容量特征边界值，作为航班时刻优化模型中防火墙时段容量约束上限，非防火墙时段的容量约束上限设置为机场公布容量。
