基于贝叶斯的机场噪声预测修正模型

发布时间：2017-09-20 15:02

  本文关键词：基于贝叶斯的机场噪声预测修正模型

  更多相关文章： 机场噪声 贝叶斯网 传统预测模型 禁忌搜索

【摘要】：机场噪声预测在机场噪声控制中发挥着重要的作用。传统机场噪声预测模型如INM(Integrated Noise Model)以航空器NPD(噪声-推力-距离)曲线为基础,仅粗略地考虑了特定外界条件对噪声传播的影响,虽预测结果较稳定,但预测误差较大,且预测过程繁琐,效率低。而基于机器学习的机场噪声预测模型虽综合考虑了特定外界环境对噪声的影响,但存在过度依赖历史监测数据、预测不稳定等问题。因此,开展高精度、高效率的机场噪声预测模型研究意义重大。为了解决机场噪声预测不准确、不稳定等问题,本文在传统预测模型基础上,提出了一个基于聚类的朴素贝叶斯集成的机场噪声预测修正模型。该模型通过学习传统预测模型预测值相对于监测值的差值,修正传统预测模型由于客观外界因素造成的预测偏差。此外,为缓解朴素贝叶斯的条件依赖性假设问题,在模型应用时通过聚类对训练样本进行预处理,再在多个簇上分别构建朴素贝叶斯模型,从而减少单个朴素贝叶斯模型的训练样本数量,且降低强依赖属性出现的概率。实验表明,该模型大幅度提高了机场噪声预测的准确度,但在错误数据增多时,预测准确度下降较快。针对此问题,本文又对贝叶斯网的构造方法进行了研究,提出一个基于禁忌约束搜索的贝叶斯网构造算法,此算法不仅考虑属性之间条件依赖性,且加入专家知识约束,减少了错误数据对预测模型的影响。经过实验证明,利用该算法构造的预测模型,泛化能力、预测精度、鲁棒性更强。此外,为了实现机场噪声批量的预测,提高噪声预测的效率,本文提出一种航迹矢量化算法。最后结合航迹矢量化算法、传统机场噪声预测模型、基于贝叶斯的机场噪声预测模型实现了机场噪声批量预测系统。经实验验证,该系统可批量准确地预测机场噪声值。
【关键词】：机场噪声 贝叶斯网 传统预测模型 禁忌搜索
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V351;TP18
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-14
• 1.1 研究背景及意义9-10
• 1.2 机场噪声预测的研究现状10-12
• 1.2.1 基于NPD曲线的预测方法10-11
• 1.2.2 基于机器学习的预测方法11-12
• 1.3 本文研究方法及技术路线12-14
• 第二章 机场噪声预测基础知识14-20
• 2.1 机场噪声评价标准14-16
• 2.2 噪声预测时需要考虑的环境因素16-19
• 2.3 其他多方面原因引起的衰减19
• 2.4 本章小结19-20
• 第三章 贝叶斯理论基础20-30
• 3.1 贝叶斯理论及定理20-21
• 3.2 朴素贝叶斯模型21-23
• 3.3 朴素贝叶斯改进模型23-24
• 3.3.1 基于权重的朴素贝叶斯模型23
• 3.3.2 基于k-近邻的局部加权朴素贝叶斯模型23-24
• 3.4 贝叶斯网模型24-29
• 3.4.1 贝叶斯网理论24-25
• 3.4.2 贝叶斯网的结构学习25-27
• 3.4.3 贝叶斯网的参数学习27-29
• 3.5 本章小结29-30
• 第四章 基于贝叶斯的机场噪声预测修正模型30-51
• 4.1 传统机场噪声预测模型的问题30-35
• 4.1.1 传统模型预测误差30-31
• 4.1.2 外界环境对噪声传播的影响31-35
• 4.1.3 问题总结35
• 4.2 机场噪声预测修正模型35-38
• 4.2.1 预测修正原理35-36
• 4.2.2 特征变量的选择36-38
• 4.3 基于聚类的朴素贝叶斯集成机场噪声预测修正模型38-44
• 4.3.1 机场噪声训练集的k-means聚类39
• 4.3.2 基于聚类的朴素贝叶斯集成机场噪声预测修正流程39-41
• 4.3.3 实验结果与分析41-44
• 4.4 基于贝叶斯网的机场噪声预测修正模型44-49
• 4.4.1 基于禁忌约束搜索的贝叶斯网构建算法44-47
• 4.4.2 实验结果与分析47-49
• 4.5 本章小结49-51
• 第五章 机场噪声批量预测系统的实现51-64
• 5.1 批量预测流程51-52
• 5.2 数据兼容性问题52-53
• 5.3 机场噪声批量预测系统的实现53-59
• 5.3.1 NoiseMap简介53-54
• 5.3.2 航迹批量导入程序框架54-55
• 5.3.3 BatchVector.py航迹自动矢量化程序55-59
• 5.4 实验及结果59-63
• 5.5 本章小节63-64
• 第六章 总结64-66
• 6.1 本文的主要工作64-65
• 6.2 工作展望65-66
• 参考文献66-70
• 致谢70-71
• 作者简介71

【参考文献】

中国期刊全文数据库 前10条

1 徐涛;燕宪金;杨国庆;;基于神经网络集成的单个飞行事件噪声预测模型[J];中国环境科学;2014年02期

2 陈海燕;杨冰欣;徐涛;王建东;;基于模糊支持向量回归的机场噪声预测[J];南京航空航天大学学报;2013年05期

3 徐涛;谢继文;杨国庆;;一种基于层次聚类的机场噪声数据挖掘方法[J];南京航空航天大学学报;2013年05期

4 王艳华;冯霞;徐涛;;机场噪声评价量分析与比较[J];噪声与振动控制;2013年02期

5 焦鹏;王新政;谢鹏远;;基于属性选择法的朴素贝叶斯分类器性能改进[J];电讯技术;2013年03期

6 冀俊忠;张鸿勋;胡仁兵;刘椿年;;基于禁忌搜索的贝叶斯网结构学习算法[J];北京工业大学学报;2011年08期

7 郭亚宁;冯莎莎;;机器学习理论研究[J];中国科技信息;2010年14期

8 尹晓伟;钱文学;谢里阳;;系统可靠性的贝叶斯网络评估方法[J];航空学报;2008年06期

9 孙吉贵;刘杰;赵连宇;;聚类算法研究[J];软件学报;2008年01期

10 邓维斌;黄蜀江;周玉敏;;基于条件信息熵的自主式朴素贝叶斯分类算法[J];计算机应用;2007年04期

中国硕士学位论文全文数据库 前2条

1 王朝禄;基于贝叶斯网的广告点击率预测方法及实现[D];云南大学;2013年

2 陈会芝;危险天气条件下的航空飞行与安全[D];西南交通大学;2003年

，

本文编号：888733