本文關鍵詞：面向機場噪聲預測的航跡聚類研究及應用

  更多相關文章： 航跡相似性 航跡聚類 K-medoids聚類 聚類有效性評價 機場噪聲預測

【摘要】：民航業(yè)的快速發(fā)展,帶來了日益嚴重的機場周邊噪聲污染問題。航跡決定了機場噪聲的分布模式,因此航跡在噪聲預測、評估中起著關鍵的作用。機場的運行積累了海量的航跡數(shù)據(jù),直接利用海量航跡數(shù)據(jù)進行噪聲預測、噪聲評估、航跡優(yōu)化等研究,易導致研究方法的復雜以及預測結果的不理想。因此研究航跡聚類對機場噪聲預防治理工作具有重要的意義�，F(xiàn)有航跡聚類算法所采用的航跡點對選取方式,無法實現(xiàn)所選航跡點對在空間上的對應,嚴重影響聚類效果。本文在研究航跡數(shù)據(jù)特征的基礎上提出一種基于航跡點法向距離的航跡聚類模型。通過K-medoids聚類算法對航跡進行二維和三維聚類,使用Davies Bouldin(DB)指標、Dunn指標對聚類結果進行評價。最后,將利用該模型獲得的航跡聚類結果導入NoiseMap工具進行分析,驗證了該模型的合理性和有效性。為了從全局上對機場噪聲的影響范圍和大小整體評估和預測。本文提出一種更加精細基于航跡間面積的航跡相似性度量方法,結合航跡數(shù)據(jù)、飛行速度、飛機發(fā)動機推力、氣象數(shù)據(jù)等因素構建適合機場噪聲預測的航跡聚類模型。將該模型獲得的聚類結果導入INM工具進行分析,通過實驗驗證分析,簇內(nèi)航跡對機場周圍的噪聲影響范圍和大小相似。本文在研究機場運行與噪聲數(shù)據(jù)的基礎上,利用面向機場噪聲預測的多噪聲影響因素航跡聚類模型,分析航跡聚類結果在機場噪聲預測與機場噪聲等值線繪制上的應用。篩選北京首都機場2014第二季度的航跡數(shù)據(jù)進行試驗驗證與分析,結果表明,該模型減少了INM航跡導入的數(shù)量,INM噪聲等值線的計算更加高效,同時不降低噪聲預測的精度水平。
【關鍵詞】：航跡相似性 航跡聚類 K-medoids聚類 聚類有效性評價 機場噪聲預測
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：V351;TP311.13
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-17
• 1.1 課題研究背景與意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 機場噪聲預測研究現(xiàn)狀12-13
• 1.2.2 航跡聚類研究現(xiàn)狀13-14
• 1.3 本文主要工作14-15
• 1.4 章節(jié)安排15-17
• 第二章 航跡數(shù)據(jù)及其相關理論基礎17-29
• 2.1 航跡數(shù)據(jù)特征及其機場噪聲影響因素17-22
• 2.1.1 航跡數(shù)據(jù)的特征與表示18-19
• 2.1.2 飛機飛行速度19-20
• 2.1.3 機型數(shù)據(jù)20-21
• 2.1.4 氣象數(shù)據(jù)21-22
• 2.2 航跡相似性度量方法22-23
• 2.3 聚類基本概念23-25
• 2.3.1 聚類定義24
• 2.3.2 距離函數(shù)24-25
• 2.4 聚類方法綜述25-26
• 2.5 聚類有效性評價26-27
• 2.6 初始簇中心算法27-28
• 2.7 本章小結28-29
• 第三章 基于航跡點法向距離的航跡聚類模型29-39
• 3.1 基于航跡點法向距離的航跡相似性度量方法29-32
• 3.1.1 航跡數(shù)據(jù)的預處理29-30
• 3.1.2 基于航跡點法向距離的航跡相似性度量方法30-31
• 3.1.3 基于航跡點法向距離的航跡相似性度量方法的證明31-32
• 3.1.4 航跡相似性度量矩陣32
• 3.2 K-medoids航跡聚類算法32-33
• 3.3 基于航跡點法向距離的航跡聚類模型33-34
• 3.4 實驗設計及結果分析34-38
• 3.4.1 二維航跡聚類分析34-36
• 3.4.2 三維航跡聚類分析36-37
• 3.4.3 聚類結果導入NoiseMap分析37-38
• 3.5 本章小結38-39
• 第四章 面向機場噪聲預測的多噪聲影響因素航跡聚類模型39-52
• 4.1 基于航跡間面積的航跡相似性度量方法39-42
• 4.1.1 機場多噪聲影響因素分析39-40
• 4.1.2 基于航跡間面積的航跡相似性度量方法40-41
• 4.1.3 基于航跡間面積的航跡相似性度量方法的證明41-42
• 4.1.4 航跡相似性度量矩陣42
• 4.2 屬性加權的K-medoids航跡聚類算法42-43
• 4.3 面向機場噪聲預測的多噪聲影響因素航跡聚類模型43-44
• 4.4 實驗設計及其結果分析44-51
• 4.4.1 面向機場噪聲預測的多噪聲影響因素航跡二維聚類分析44-46
• 4.4.2 面向機場噪聲預測的多噪聲影響因素航跡三維聚類分析46-48
• 4.4.3 機型聚類分析48-49
• 4.4.4 面向機場噪聲預測的航跡聚類結果綜合分析49-51
• 4.5 本章小結51-52
• 第五章 航跡聚類在機場噪聲預測上的應用52-65
• 5.1 機場噪聲監(jiān)測運行系統(tǒng)及其相關數(shù)據(jù)分析52-55
• 5.1.1 機場噪聲監(jiān)測點分布圖52-53
• 5.1.2 機場航班運行分析統(tǒng)計53-55
• 5.2 航跡關聯(lián)噪聲事件參數(shù)調(diào)整55-57
• 5.3 機場周邊小區(qū)噪聲投訴報告分析57-60
• 5.4 航跡聚類結果與標準進離場程序?qū)Ρ?/span>60-61
• 5.5 航跡聚類在機場噪聲等值線繪制上的應用61-64
• 5.6 本章小結64-65
• 第六章 總結與展望65-67
• 6.1 總結65-66
• 6.2 展望66-67
• 參考文獻67-71
• 致謝71-72
• 作者簡介72

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 CHEN Na;XU Ze-shui;XIA Mei-mei;;Hierarchical hesitant fuzzy K-means clustering algorithm[J];Applied Mathematics:A Journal of Chinese Universities(Series B);2014年01期

2 王潔寧;孫禾;趙元棣;;基于時間-空間的進場航跡聚類分析[J];科學技術與工程;2013年33期

3 王超;王明明;王飛;;基于改進的模糊C-Means航跡聚類方法研究[J];中國民航大學學報;2013年03期

4 王麗娜;王建東;李濤;葉楓;;集成粗糙集和陰影集的簇特征加權模糊聚類算法[J];系統(tǒng)工程與電子技術;2013年08期

5 徐濤;曹枝東;;基于路徑柵格的機場噪聲等值線追蹤算法[J];電子科技大學學報;2013年02期

6 王超;徐肖豪;王飛;;基于航跡聚類的終端區(qū)進場程序管制適用性分析[J];南京航空航天大學學報;2013年01期

7 高婷;王迪;;飛機噪聲等值線繪制算法的研究[J];電子設計工程;2012年23期

8 Suiang-Shyan LEE;Ja-Chen LIN;;An accelerated K-means clustering algorithm using selection and erasure rules[J];Journal of Zhejiang University-Science C(Computers & Electronics);2012年10期

9 牛新征;佘X;;面向大規(guī)模數(shù)據(jù)的快速并行聚類劃分算法研究[J];計算機科學;2012年01期

10 江敏;皮德常;孫蘭;;一種多約束的密度聚類算法的研究[J];計算機科學;2011年S1期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 殷瑞飛;數(shù)據(jù)挖掘中的聚類方法及其應用[D];廈門大學;2008年

，

本文編號：914739