發(fā)布時(shí)間：2021-09-05 04:49

　　隨著航空運(yùn)輸市場競爭的激烈,航空公司對航段運(yùn)量預(yù)測的工作越來越重視。對于航空公司來說,航段運(yùn)量預(yù)測關(guān)系到其對未來發(fā)展、運(yùn)力安排和市場拓展等做出重要決策,關(guān)系到其科學(xué)合理的制定航班計(jì)劃和機(jī)隊(duì)規(guī)劃。因此航段運(yùn)量預(yù)測的研究是非常必要的。本文在深入分析比較各種航段運(yùn)量方法的基礎(chǔ)上,研究了利用支持向量機(jī)進(jìn)行航段運(yùn)量預(yù)測建模的方法。首先,系統(tǒng)地介紹了航空運(yùn)量預(yù)測中常用的預(yù)測方法,并對幾種常用方法的特點(diǎn)進(jìn)行了分析比較。詳細(xì)闡述了支持向量機(jī)理論的理論基礎(chǔ)和支持向量機(jī)原理,推導(dǎo)了支持向量機(jī)回歸模型,研究了最小二乘支持向量機(jī)的算法。本文重點(diǎn)探討了支持向量機(jī)預(yù)測模型的建模方法,包括核函數(shù)的選擇、模型參數(shù)選擇算法的改進(jìn)、學(xué)習(xí)算法的改進(jìn)等,建立了最小二乘支持向量機(jī)預(yù)測模型和標(biāo)準(zhǔn)支持向量機(jī)預(yù)測模型,并與神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行對比。實(shí)驗(yàn)結(jié)果表明,支持向量機(jī)用于航空運(yùn)量的預(yù)測是可行有效的。最后本文將最小二乘支持向量機(jī)預(yù)測模型應(yīng)用于“航班優(yōu)化與航線經(jīng)濟(jì)分析”系統(tǒng)中進(jìn)行航段運(yùn)量的預(yù)測。 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

結(jié)構(gòu)風(fēng)險(xiǎn)最小化示意圖

量機(jī)原理機(jī)是從線性可分情況下的最優(yōu)分類面發(fā)展而在模型的復(fù)雜性(即對特定訓(xùn)練樣本的學(xué)習(xí)精任意樣本的能力)之間尋求最佳折衷，以期獲n Ability)。機(jī)在樣本空間或者特征空間構(gòu)造出最優(yōu)超平之間的距離最大，從而達(dá)到最大的推廣能力[2 描述。圖中的圓形和三角形分別代表兩類樣分別為過各類樣本中離 H 最近的且平行于 H 類間隔(margin)。所謂最優(yōu)分類面，就是分類使分類間隔最大。前者是保證經(jīng)驗(yàn)風(fēng)險(xiǎn)最小置信范圍最小，這是對結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則面最近的向量稱為支持向量。

圖3.3 SVM函數(shù)擬和結(jié)構(gòu)圖持向量回歸問題可以歸結(jié)為求解一個(gè)凸二次規(guī)劃問題[33,34]，從理論上到全局最優(yōu)解，算法將實(shí)際問題通過非線性變換轉(zhuǎn)換到高維特征空間re Space)中，在高維空間中進(jìn)行線性回歸來實(shí)現(xiàn)原空間中的非線性回法的性質(zhì)能保證回歸模型有較好的推廣能力，同時(shí)它巧妙地解決了維，算法復(fù)雜度與樣本維數(shù)無關(guān)，支持向量回歸算法完全根據(jù)部分訓(xùn)練造回歸函數(shù)，不需要關(guān)于問題和樣本集或是回歸函數(shù)結(jié)構(gòu)的先驗(yàn)信息損失函數(shù)了能定量計(jì)算損失函數(shù) L，首先引入ε 不敏感損失系數(shù)：如果實(shí)驗(yàn)預(yù)測x,α)與實(shí)際測量值 y 之間的差別小于ε ，則認(rèn)為損失為零(即忽略不計(jì))損失不可忽略。樣就可以定義損失函數(shù)，常用的有三種形式[35]：不敏感損失函數(shù)：L ( y,f(x,α ))=y f(x,α)

【參考文獻(xiàn)】：
期刊論文
[1]基于最小二乘支持向量機(jī)的非線性系統(tǒng)建模[J]. 相征,張?zhí)?孫建成.  系統(tǒng)仿真學(xué)報(bào). 2006(09)
[2]基于LSSVM實(shí)現(xiàn)CO2轉(zhuǎn)化率的軟測量建模[J]. 范磊,張運(yùn)陶.  計(jì)算機(jī)與應(yīng)用化學(xué). 2006(01)
[3]支持向量機(jī)在航空運(yùn)輸量預(yù)測中的應(yīng)用[J]. 黃文強(qiáng).  計(jì)算機(jī)工程. 2005(S1)
[4]基于遞推最小二乘支持向量回歸估計(jì)的建模與預(yù)報(bào)[J]. 陳愛軍,宋執(zhí)環(huán),李平.  信息與控制. 2005(06)
[5]基于LS-SVM的信用評價(jià)方法[J]. 鐘波,肖智,劉朝林,陳玲.  統(tǒng)計(jì)研究. 2005(11)
[6]支持向量機(jī)在模式識別中的核函數(shù)特性分析[J]. 李盼池,許少華.  計(jì)算機(jī)工程與設(shè)計(jì). 2005(02)
[7]一種人工免疫與RBF神經(jīng)網(wǎng)絡(luò)結(jié)合的混合算法的應(yīng)用[J]. 周穎,鄭德玲,裘之亮,劉聰.  計(jì)算機(jī)工程與應(yīng)用. 2004(01)
[8]一種新的支持向量回歸預(yù)測模型[J]. 劉廣利,楊志民.  吉首大學(xué)學(xué)報(bào)(自然科學(xué)版). 2002(03)
[9]基于支撐向量機(jī)方法的短期負(fù)荷預(yù)測[J]. 趙登福,王蒙,張講社,王錫凡.  中國電機(jī)工程學(xué)報(bào). 2002(04)

碩士論文
[1]基于支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測研究[D]. 李麗.南京理工大學(xué) 2007



本文編號：3384705