根據(jù)機(jī)場提供的視頻數(shù)據(jù)和能見度數(shù)據(jù),本文建立了基于視頻數(shù)據(jù)的能見度估計CNN深度學(xué)習(xí)模型。本文構(gòu)建的是一個類似于VGG16的卷積神經(jīng)網(wǎng)絡(luò),將輸出層的softmax層替代成MSE層,使其具備了能見度預(yù)測能力;將采集出的數(shù)據(jù)導(dǎo)入數(shù)據(jù)文件中保存,通過CNN神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)特性,將數(shù)據(jù)集分為測試集和訓(xùn)練集兩類。通過相關(guān)算法得到測試集與預(yù)測值的對比圖,并對模型進(jìn)行了精度分析,得到測試誤差MSE=0.002 524,驗證模型具有較高的精度。

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 卷積神經(jīng)網(wǎng)絡(luò)
    1.1 CNN模型闡述
    1.2 卷積層
    1.3 池化層
    1.4 分類層
    1.5 激活函數(shù)
2 能見度預(yù)測模型
    2.1 模型搭建
    2.2 測試結(jié)果及模型精度分析
3 結(jié) 語



本文編號：3750367