發(fā)布時(shí)間：2021-07-08 00:36

　　隨著時(shí)代的發(fā)展,航空運(yùn)輸需求日益增加,人們對航空服務(wù)質(zhì)量的要求也越來越嚴(yán)格,同時(shí)隨著信息技術(shù)的高速變革,深度學(xué)習(xí)技術(shù)已經(jīng)成熟且高效的為人們服務(wù)于各個(gè)領(lǐng)域之中。為此本文以機(jī)場延誤預(yù)測為目標(biāo),基于深度學(xué)習(xí)算法,提出一種基于區(qū)域殘差和長短時(shí)記憶（Region Residual-Long Short Term Memory,RR-LSTM）網(wǎng)絡(luò)的機(jī)場延誤預(yù)測方法。論文主要工作如下所示:首先,鑒于傳統(tǒng)數(shù)據(jù)處理方法不符合民航數(shù)據(jù)特點(diǎn)和長短時(shí)記憶（Long Short Term Memory,LSTM）網(wǎng)絡(luò)的要求,在充分分析航班數(shù)據(jù)和氣象數(shù)據(jù)的基礎(chǔ)上,提出了混合編碼方法和時(shí)間序列構(gòu)造方法,為網(wǎng)絡(luò)的特征提取工作做準(zhǔn)備。實(shí)驗(yàn)結(jié)果表明,所提混合編碼方法可提高數(shù)據(jù)在網(wǎng)絡(luò)中的表現(xiàn)能力,最大化發(fā)揮網(wǎng)絡(luò)的特征提取功能,提高網(wǎng)絡(luò)的預(yù)測準(zhǔn)確率。然后,提出一種基于LSTM網(wǎng)絡(luò)的機(jī)場延誤預(yù)測方法,該方法利用LSTM網(wǎng)絡(luò)學(xué)習(xí)機(jī)場延誤數(shù)據(jù)的時(shí)間依賴關(guān)系,使模型的物理含義更加符合機(jī)場延誤事件特點(diǎn),提高預(yù)測準(zhǔn)確率,進(jìn)一步優(yōu)化空管、航空公司等部門的決策。通過實(shí)驗(yàn)對LSTM網(wǎng)絡(luò)的超參數(shù)取值進(jìn)行討論,確定了現(xiàn)有計(jì)算資源基礎(chǔ)上的最優(yōu)時(shí)間... 

【文章來源】：中國民航大學(xué)天津市

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

損失值隨迭代次數(shù)變化曲線

48（b）RR-LSTM 網(wǎng)絡(luò)圖 4-8 隱藏層梯度值隨迭代次數(shù)變化曲線化結(jié)構(gòu)對預(yù)測結(jié)果的影響4-4 所示的單向池化模塊來代替?zhèn)鹘y(tǒng)的維度重塑方式，可以在和 LSTM 模塊輸入的維度一致性，同時(shí)可盡量減少網(wǎng)絡(luò)中機(jī)場延誤數(shù)據(jù)，根據(jù)數(shù)據(jù)維度轉(zhuǎn)換方式的不同分別訓(xùn)練了 R 和 RR50-LSTM 三個(gè)模型。

中國民航大學(xué)碩士學(xué)位論文表 4-8 不同維度轉(zhuǎn)換方式對分類準(zhǔn)確率的影響 網(wǎng)絡(luò)層數(shù)測試準(zhǔn)確率/%維度重塑 單向M22 92.82 93.M38 94.51 94.M54 95.06 95.8 的數(shù)據(jù)可以看出，使用單向池化模塊比維度重塑方式擁有更為 22 層、38 層和 54 層時(shí)，分別高了 0.53、0.45、0.46 個(gè)百分


本文編號：3270687