發(fā)布時間：2021-12-19 03:14

　　4D航跡預測是未來的發(fā)展趨勢,可在未來的空中交通中的自動化系統(tǒng)中發(fā)揮重要作用。同時,它還是沖突探測與解脫、航班排序、間隔管理等的基礎,被視為解決全世界空中交通管制問題的有效解決方案。在本文中,一種創(chuàng)新的4D航跡預測混合模型被提出,經由應用主流數據分析和機器學習手段處理終端機動區(qū)(Terminal Maneuvering Area,TMA)中短期尺度的4D航跡預測問題。所提出的模型由兩部分組成:基于聚類的數據預處理模型和基于集成學習思想的多細胞神經網絡(Multi-Cells Neural Network,MCNN)預測模型。預處理部分首先將對航跡原始數據進行清理,過濾和重采樣。為了削減航跡矢量的變量維度,引入并使用主成分分析。隨后,降維后得到的航跡矩陣經由聚類算法,被聚類成多個航跡簇。在預測模型中,使用嵌套交叉驗證,針對每一個聚類簇,分別訓練不同的MCNN模型,獲得不同聚類簇對應的預測預計到達時間(Estimated Time of Arrival,ETA)的子模型。最終,引入并使用決策樹對應的分類算法,將新航班分類到不同的聚類簇,并輸入到已經訓練完畢的預測模型,得到ETA。為了具體評...

【文章來源】： 中國民航大學天津市

【文章頁數】：65 頁

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內外研究現狀
    1.3 技術路線與主要研究內容
        1.3.1 技術路線
        1.3.2 主要研究內容
第二章 基于數據分析的4D航跡預處理模型構建
    2.1 數據分析概論
    2.2 數據準備
        2.2.1 常用飛行數據簡介
        2.2.2 數據來源
        2.2.3 數據獲取
        2.2.4 數據格式
    2.3 數據處理
        2.3.1 數據清理與格式化
        2.3.2 數據維度擴充
    2.4 航跡數據具體分析
        2.4.1 主成分分析
        2.4.2 聚類
        2.4.3 分類
    2.5 本章小結
第三章 基于集成學習的4D航跡預測模型構建
    3.1 機器學習理論基礎
        3.1.1 經驗風險最小化
        3.1.2 過擬合及其應對措施
        3.1.3 模型選擇
        3.1.4 性能評估與參數選擇
    3.2 常用回歸預測模型
        3.2.1 多元線性回歸
        3.2.2 神經網絡
    3.3 基于集成學習思想的多細胞神經網絡4D航跡預測模型
        3.3.1 集成學習
        3.3.2 多細胞神經網絡
    3.4 本章小結
第四章 實驗結果與分析
    4.1 數據集
    4.2 預處理步驟性能評估
        4.2.1 維度擴充與主成分分析結果
        4.2.2 聚類算法超參數選擇結果
        4.2.3 決策樹分類結果
    4.3 航跡預測性能評估
    4.4 本章小結
第五章 總結與展望
    5.1 主要研究工作和創(chuàng)新點
        5.1.1 主要研究工作
        5.1.2 創(chuàng)新點
    5.2 展望
參考文獻
致謝
發(fā)表論文情況


【參考文獻】：
期刊論文
[1]民用航空器四維航跡預測技術綜述 [J]. 朱海波,張軍峰,劉杰,陳強.  航空計算技術. 2017(02)
[2]基于新技術構建下一代航空運輸系統(tǒng) [J]. 施少華.  中國民用航空. 2010(09)



本文編號：3543662