本文關(guān)鍵詞：基于觀察學(xué)習(xí)的航班備降概率分布預(yù)測(cè)模型

  更多相關(guān)文章： 觀察學(xué)習(xí) 小樣本問題 概率分布 貝葉斯學(xué)習(xí) 航班備降

【摘要】：航班備降是保證飛行安全的重要一環(huán)。目前機(jī)場(chǎng)存在特定時(shí)段停機(jī)位不足的問題,導(dǎo)致航班無法順利備降,嚴(yán)重影響了航班的運(yùn)行安全。航班備降概率分布是合理預(yù)留停機(jī)位的重要依據(jù),也為機(jī)場(chǎng)、航空公司合理調(diào)度相關(guān)資源提供參考。因此,科學(xué)合理的構(gòu)建航班備降概率分布預(yù)測(cè)模型十分必要。由于航班備降數(shù)據(jù)集是小樣本數(shù)據(jù)集,本文采用松弛屬性約束的思想克服小樣本問題,并提出來了基于觀察學(xué)習(xí)的概率分布預(yù)測(cè)模型。在訓(xùn)練階段,該模型采用了改進(jìn)的分段三次樣條插值函數(shù)訓(xùn)練觀察學(xué)習(xí)的基學(xué)習(xí)器;在觀察階段,利用混合的虛擬數(shù)據(jù)生成機(jī)制促使基學(xué)習(xí)器之間相互學(xué)習(xí),并提高了算法的泛化能力和精度。各基學(xué)習(xí)器不斷地進(jìn)行訓(xùn)練-觀察-再訓(xùn)練過程,最終達(dá)成一致并輸出最終的概率分布函數(shù)。為充分利用歷史數(shù)據(jù),建立了以優(yōu)化觀察學(xué)習(xí)信任度等參數(shù)為目標(biāo)的非線性規(guī)劃模型。該模型既充分利用了舊數(shù)據(jù)中隱含的屬性間的關(guān)系特征,又避免了舊數(shù)據(jù)直接參與訓(xùn)練的弊端。然后采用模擬退火算法求解該模型,求解出更加適合的信任度等參數(shù),并提高了預(yù)測(cè)模型的準(zhǔn)確性。建立了航班備降概率預(yù)測(cè)模型,并分別采用貝葉斯模型和觀察學(xué)習(xí)模型預(yù)測(cè)航班備降概率分布。在航班運(yùn)行數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明,基于觀察學(xué)習(xí)的概率分布預(yù)測(cè)算法的預(yù)測(cè)效果優(yōu)于基于貝葉斯的概率分布預(yù)測(cè)算法。最后采用觀察學(xué)習(xí)算法預(yù)測(cè)的=航班的概率分布,并為不同備降架次給出相應(yīng)的置信水平,可為相關(guān)部門決策提供支持。
【關(guān)鍵詞】：觀察學(xué)習(xí) 小樣本問題 概率分布 貝葉斯學(xué)習(xí) 航班備降
【學(xué)位授予單位】：中國(guó)民航大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：V355;V328
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-15
• 1.1 研究背景與意義9-10
• 1.2 研究現(xiàn)狀10-13
• 1.3 主要研究?jī)?nèi)容13-14
• 1.4 章節(jié)安排14-15
• 第二章 相關(guān)理論15-24
• 2.1 概率與概率分布15-16
• 2.2 集成學(xué)習(xí)理論16-21
• 2.2.1 集成學(xué)習(xí)概念與作用16-17
• 2.2.2 傳統(tǒng)的集成學(xué)習(xí)方法17-20
• 2.2.3 觀察學(xué)習(xí)機(jī)制20-21
• 2.3 模擬退火算法21-23
• 2.4 本章小結(jié)23-24
• 第三章 基于觀察學(xué)習(xí)的概率分布預(yù)測(cè)算法24-44
• 3.1 觀察學(xué)習(xí)算法24-31
• 3.1.1 觀察學(xué)習(xí)原理24-25
• 3.1.2 基于松弛屬性約束的子集抽取方法25-27
• 3.1.3 基于非參數(shù)學(xué)習(xí)的概率分布生成方法27-29
• 3.1.4 基于混合策略的虛擬數(shù)據(jù)生成方法29-31
• 3.2 觀察學(xué)習(xí)參數(shù)的優(yōu)化31-38
• 3.2.1 觀察學(xué)習(xí)算法的參數(shù)優(yōu)化模型31-33
• 3.2.2 基于模擬退火的求解算法33-35
• 3.2.3 概率分布差異度的度量35-38
• 3.3 實(shí)驗(yàn)與分析38-43
• 3.4 本章小結(jié)43-44
• 第四章 航班備降概率分布的預(yù)測(cè)44-61
• 4.1 航班備降概率分布預(yù)測(cè)問題建模44-49
• 4.1.1 問題描述44-46
• 4.1.2 數(shù)據(jù)預(yù)處理46-49
• 4.2 航班備降概率分布貝葉斯預(yù)測(cè)模型49-53
• 4.2.1 樸素貝葉斯預(yù)測(cè)算法49-51
• 4.2.2 貝葉斯網(wǎng)預(yù)測(cè)算法51-53
• 4.3 航班備降概率分布觀察學(xué)習(xí)預(yù)測(cè)模型53-55
• 4.4 實(shí)驗(yàn)與分析55-60
• 4.5 本章小結(jié)60-61
• 第五章 總結(jié)與展望61-63
• 5.1 總結(jié)61-62
• 5.2 展望62-63
• 參考文獻(xiàn)63-68
• 致謝68-69
• 作者簡(jiǎn)介69

  本文關(guān)鍵詞：基于觀察學(xué)習(xí)的航班備降概率分布預(yù)測(cè)模型，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：510964