机场噪声预测SVR增量模型研究

发布时间：2017-08-29 22:34

  本文关键词：机场噪声预测SVR增量模型研究

  更多相关文章： 机场噪声预测模型 支持向量回归 冗余数据 信念修正 在线增量模型 相似性度量 批增量模型

【摘要】：随着民航事业的持续发展,航空运输在给人们带来便捷和繁荣的同时,也带来了一系列的环境问题,而机场噪声污染问题尤为严重。为了更好地安排航班班次,合理地规划机场布局,有效地防治噪声污染,需要掌握机场噪声的动态变化规律并进行机场噪声预测。现存的机场噪声预测方法中大多数缺乏学习能力和推广性,得到的模型无法随着机场实时数据而进行修正和优化,所以预测精度的很难提高。为解决这些问题,需要对机场噪声增量学习预测模型进行研究。本文的主要工作如下:(1)总结并分析传统增量过程中冗余数据的约减方法,结合信念修正思想,提出基于AGM理论的冗余数据约减方法,旨在解决海量高维噪声数据的存储问题,并不断提高训练集样本的质量,从而增强模型的预测精度和鲁棒性。(2)提出机场噪声预测SVR在线增量模型,对采集的数据进行实时分析及处理,既可以减少数据存储开销,又可以及时地根据新增数据信息对模型进行调整,保证模型的预测精度。机场噪声预测SVR在线增量模型根据新增样本的特点判断是否调整当前的预测模型,通过引入样本相似性度量来保证训练样本的质量,并结合样本标记的方法和误差驱动的原则实现对历史样本的删减。(3)针对数据分析及处理能力不足以及系统故障导致的实时数据累积问题,提出机场噪声预测SVR批增量模型。该模型抛弃传统的模型依赖的增量学习算法,从历史样本信息中提取相似样本集,根据相似样本集和新增数据的特点选择相应的相似样本集建立模型进行预测,然后对相似样本集进行修正,调整当前认知状态。同时,提出了相似情形的概念,强调周边样本在预测中起到的重要性。
【关键词】：机场噪声预测模型 支持向量回归 冗余数据 信念修正 在线增量模型 相似性度量 批增量模型
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TB53
【目录】：

• 摘要4-5
• Abstract5-10
• 注释表10-11
• 缩略词11-12
• 第一章 绪论12-18
• 1.1 课题来源与研究意义12-14
• 1.1.1 研究背景12-13
• 1.1.2 课题来源13
• 1.1.3 研究目的与意义13-14
• 1.2 国内外研究现状分析14-16
• 1.2.1 机场噪声预测研究现状14-15
• 1.2.2 增量预测方法研究现状15-16
• 1.3 本文研究内容及结构安排16-18
• 1.3.1 本文研究内容16
• 1.3.2 本文结构安排16-18
• 第二章 支持向量回归机18-29
• 2.1 机器学习18-19
• 2.1.1 机器学习形式18-19
• 2.1.2 经验风险最小化19
• 2.2 统计学习理论19-23
• 2.2.1 学习过程的一致性20-21
• 2.2.2 VC维与推广性的界21-22
• 2.2.3 结构风险最小化22-23
• 2.3 支持向量回归机23-28
• 2.3.1 线性支持向量回归机23-26
• 2.3.2 非线性支持向量回归机26-27
• 2.3.3 核函数27
• 2.3.4 支持向量27-28
• 2.4 本章小结28-29
• 第三章 基于信念修正思想的冗余数据约减方法29-40
• 3.1 信念修正的AGM理论29-30
• 3.1.1 信念逻辑29
• 3.1.2 信念修正的概念29
• 3.1.3 信念修正的AGM理论29-30
• 3.2 冗余数据约减的传统方法30-32
• 3.2.1 基于模型预测精度的数据约减方法31
• 3.2.2 基于模型支持度的数据约减方法31
• 3.2.3 基于滑动窗口的数据约减方法31-32
• 3.2.4 基于样本多样性的数据约减方法32
• 3.3 基于AGM理论的冗余数据的抓取32-37
• 3.3.1 一致性原则33-35
• 3.3.2 新消息优先原则35-36
• 3.3.3 最小改变原则36-37
• 3.4 冗余数据的处理37-39
• 3.5 本章小结39-40
• 第四章 机场噪声预测SVR在线增量模型40-49
• 4.1 基于样本相似性度量的机场噪声预测SVR在线增量模型40-44
• 4.1.1 样本相似性度量40-42
• 4.1.2 误差驱动42-43
• 4.1.3 样本标记43
• 4.1.4 模型容错率43-44
• 4.2 算法流程图及预测步骤44-45
• 4.2.1 算法流程图44-45
• 4.2.2 预测步骤45
• 4.3 实验及结果分析45-48
• 4.3.1 标准数据集对比试验45-46
• 4.3.2 机场噪声中的应用46-48
• 4.4 本章小结48-49
• 第五章 机场噪声预测SVR批增量模型49-59
• 5.1 基于样本不一致性度量的机场噪声预测SVR批增量模型49-54
• 5.1.1 样本不一致性49-50
• 5.1.2 相似样本集的构造50-53
• 5.1.3 增量过程样本集的更新53-54
• 5.2 算法流程图及预测步骤54-55
• 5.2.1 算法流程图54
• 5.2.2 预测步骤54-55
• 5.3 实验及结果分析55-58
• 5.3.1 标准数据集对比试验55-57
• 5.3.2 机场噪声中的应用57-58
• 5.4 本章小结58-59
• 第六章 总结与展望59-61
• 6.1 总结59
• 6.2 展望59-61
• 参考文献61-65
• 致谢65-67
• 在学期间的研究成果及发表的学术论文67

【相似文献】

中国硕士学位论文全文数据库 前1条

1 丰文安;机场噪声预测SVR增量模型研究[D];南京航空航天大学;2015年

，

本文编号：755818