探索航段运量预测算法及其优化

《探索航段运量预测算法及其优化》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、南京航空航天大学硕士学位论文航段运量预测算法及其优化姓名：张为伟申请学位级别：硕士专业：交通信息工程及控制指导教师：夏洪山20080101南京航空航天大学硕士学位论文摘要本文结合现代民航运输的需要在深入分析航段运量的特点及比较几种航段运量预测方法的基础上进一步研究了利用支持向量机方法对航段运量进行预测并结合实际情况对其进行了改进优化首先本文较系统的分析并比较了传统运量预测算法的特点对其适用范围和程度进行了探索进一步研究了熵权系数法和BP神经网络算法的改进算法并对熵权系数法进行了模拟试验接着详细阐述了支持向量机理论的基础和支持向量机原理推导了最小

2、二乘支持向量机的算法重点研究描述了贝叶斯框架下的支持向量机模型最后本文探讨了支持向量机预测模型的建模方法包括核函数的选择模型参数选择算法的改进学习算法的改进等建立了支持向量机预测模型本文将支持向量机预测模型改进应用于航班优化与航线经济分析系统中进行航段运量的预测分析了建立的支持向量机预测模型的不足指出了模型改进的方法关键字航段运量预测神经网络贝叶斯支持向量机I航段运量预测模型及优化算法研究ABSTRACTBasingontheneedofthemoderncivilaviationtransport,thisthesisgivesthechar

3、acteristicsoftheflightsegmentvolumeandtheanalysisofcomparingseveralforecastingmethods.Itappliesthesupportvectormachinetheoryinflightsegmentvolumeforecasting,thenbuildsforecastingmodelandgetscertaineffect.First,thisthesisanalyzesthecharacteristicsofexistedforecastingmethodsan

4、dcomparestheiradvantageanddisadvantage.Thenitintroducesthesupportvectormachinetheoryindetail.ThepaperanalyzesLS-SVMtheoryandexperimentprocedureandmostlydiscribestheSVMbasedonbayes.Threemodelsarebuiltandtheresultshowssupportvectormachinecanserveforflightsegmentvolumeforecasti

5、ng.NowthetheoryoftheSVMhasbeenusedinthesystemofForMax.Atlast,thethesistellsthedisadvantageofthemodelandpointsthelaterdevelopmentobjects.KeywordsFlightSegmentVolume,Forecasting,NeuralnetworkBayesSupportVectorMachineII图表图2.1模型建立流程图..............................................

6、..........................................................12图2.2模拟结果显示图........................................................................................................13图2.3人工神经元简化模型.....................................................................................

7、..........15图2.4三层神经网络拓扑结构图........................................................................................18图2.5经验风险和期望风险关系........................................................................................22图2.6结构风险最小化示意图.......................................

8、.....................................................23图2.7线性可分情况下的最优超平面...