基于k近邻模型的空中交通流量短期预测

基于k近邻模型的空中交通流量短期预测

ID:21220952

大小:86.00 KB

页数:10页

时间:2018-10-20

基于k近邻模型的空中交通流量短期预测_第1页
基于k近邻模型的空中交通流量短期预测_第2页
基于k近邻模型的空中交通流量短期预测_第3页
基于k近邻模型的空中交通流量短期预测_第4页
基于k近邻模型的空中交通流量短期预测_第5页
资源描述:

《基于k近邻模型的空中交通流量短期预测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于K近邻模型的空中交通流量短期预测MS®刘泽宇白志建中国民航大学空中交通管理学院中国民航大学理学篋摘要:为了准确预测空中交通短期流量,减轻空管协调压力,基于K近邻算法构建了空中交通短期预测模型。首先,通过多次取K值比较相对误差来确定合适的K值。之后,对原有的K近邻模型进行改进,引入空间参数,提出了3种状态向量组合的K近邻模型:时间维度模型、向台航路-时间维度模型与时空参数模型。以某扇区雷达数据对该模型进行检测,结果表明:同时引入时空参数的K近邻模型误差最小,平均为14.16%;基于指数权重的距离衡量方式均能达到预测精度优化的效果;高

2、斯权重预测法在时间维度模型下优于反函数法,引入空间参数则反之;指数权重距离下的反函数法预测的时空参数模型误差为13.94%。改进后的K近邻模型对不同流量情况都具有普适性,预测结果可为空屮交通流量管理提供理论参考。关键词:空中短期流量预测;K近邻;状态向量;吋空参数;高斯函数;作者简介:赵元棣(1983一),男,天津人,助理研究员,博士,研究方向为空管数据挖掘与处理.收稿日期:2016-12-08基金:国家自然科学基金项目(U1533106)Short-termairtrafficflowforecastbasedonK一nearest

3、neighboralgorithmZHAOYuandiCHENJunfuLIUZeyuSHENGShouqiongBAIZhiiianCollegeofAirTrafficManagement,CAUC;CollegeofScience,CAUC;Abstract:It’sworthtopredictavailableshort-termairtrafficflowandreduceATCOworkload.AnairtrafficflowmodelisbuiltbasedonK-nearestneighbor.First,relat

4、iveerrorsfromdifferentKvaluesarecomparedtodeterminetheappropriateKvalues.Afterthat,spaceparameterisintroducedtoimprovethemodel.ThenthesethreekindsofstatevectorsarccombinedandnewK-nearestneighbormodelsarcproposedincludingtimedimensionmodel,toroute-timedimensionmodelandti

5、me-spaceparametermodel.RadardatawithinacertainsectorisusedtotestK-neighbormodel,showingoutthatK-nearestneighbormodelwithtime-spaceparameterhasminimumerror,whoseaverageerrorequalsto14.6%.Distancemeasuringmethodbasedonweightindexcanattainthegoalofpredictionaccuracyoptimiz

6、ation.Gaussianfunctioncanproduceabetterresultundertimeparametermodelwhileitisweakerwhenspaceparameteristakenintoconsideration.Statisticsshowprediction’serrorisonly13.94%undertheindexweightdistancemethodofinversefunctionmodelwithtime-spaceparameter.TheimprovedK-ncarcstne

7、ighbormodelhasapplicabilityfordifferenttrafficsituationsandstrongportabilityforcomplicatedairtrafficsituationofChina.Keyword:short—termairtrafficflowprediction;K-nearestneighbormodel;statevector;spaceparameter;Gaussianfunction;Received:2016-12-08随着民航事业的发展,空中交通流量不断增加,管制员

8、的压力闩渐增大,为了分担管制员决策压力,减轻管制员负担,智能化在民航系统表现出了良好的接受度和实用性,刘永欣等m提出建立基于管制员知识的空管智能交通辅助系统。如今,智能交通系统研宄的投入不断加大,交通管理也逐步走向实时化

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。