面向机场噪声预测的航迹聚类研究及应用

发布时间：2017-09-25 02:06

  本文关键词：面向机场噪声预测的航迹聚类研究及应用

  更多相关文章： 航迹相似性 航迹聚类 K-medoids聚类 聚类有效性评价 机场噪声预测

【摘要】：民航业的快速发展,带来了日益严重的机场周边噪声污染问题。航迹决定了机场噪声的分布模式,因此航迹在噪声预测、评估中起着关键的作用。机场的运行积累了海量的航迹数据,直接利用海量航迹数据进行噪声预测、噪声评估、航迹优化等研究,易导致研究方法的复杂以及预测结果的不理想。因此研究航迹聚类对机场噪声预防治理工作具有重要的意义。现有航迹聚类算法所采用的航迹点对选取方式,无法实现所选航迹点对在空间上的对应,严重影响聚类效果。本文在研究航迹数据特征的基础上提出一种基于航迹点法向距离的航迹聚类模型。通过K-medoids聚类算法对航迹进行二维和三维聚类,使用Davies Bouldin(DB)指标、Dunn指标对聚类结果进行评价。最后,将利用该模型获得的航迹聚类结果导入NoiseMap工具进行分析,验证了该模型的合理性和有效性。为了从全局上对机场噪声的影响范围和大小整体评估和预测。本文提出一种更加精细基于航迹间面积的航迹相似性度量方法,结合航迹数据、飞行速度、飞机发动机推力、气象数据等因素构建适合机场噪声预测的航迹聚类模型。将该模型获得的聚类结果导入INM工具进行分析,通过实验验证分析,簇内航迹对机场周围的噪声影响范围和大小相似。本文在研究机场运行与噪声数据的基础上,利用面向机场噪声预测的多噪声影响因素航迹聚类模型,分析航迹聚类结果在机场噪声预测与机场噪声等值线绘制上的应用。筛选北京首都机场2014第二季度的航迹数据进行试验验证与分析,结果表明,该模型减少了INM航迹导入的数量,INM噪声等值线的计算更加高效,同时不降低噪声预测的精度水平。
【关键词】：航迹相似性 航迹聚类 K-medoids聚类 聚类有效性评价 机场噪声预测
【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;TP311.13
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-17
• 1.1 课题研究背景与意义10-12
• 1.2 国内外研究现状12-14
• 1.2.1 机场噪声预测研究现状12-13
• 1.2.2 航迹聚类研究现状13-14
• 1.3 本文主要工作14-15
• 1.4 章节安排15-17
• 第二章 航迹数据及其相关理论基础17-29
• 2.1 航迹数据特征及其机场噪声影响因素17-22
• 2.1.1 航迹数据的特征与表示18-19
• 2.1.2 飞机飞行速度19-20
• 2.1.3 机型数据20-21
• 2.1.4 气象数据21-22
• 2.2 航迹相似性度量方法22-23
• 2.3 聚类基本概念23-25
• 2.3.1 聚类定义24
• 2.3.2 距离函数24-25
• 2.4 聚类方法综述25-26
• 2.5 聚类有效性评价26-27
• 2.6 初始簇中心算法27-28
• 2.7 本章小结28-29
• 第三章 基于航迹点法向距离的航迹聚类模型29-39
• 3.1 基于航迹点法向距离的航迹相似性度量方法29-32
• 3.1.1 航迹数据的预处理29-30
• 3.1.2 基于航迹点法向距离的航迹相似性度量方法30-31
• 3.1.3 基于航迹点法向距离的航迹相似性度量方法的证明31-32
• 3.1.4 航迹相似性度量矩阵32
• 3.2 K-medoids航迹聚类算法32-33
• 3.3 基于航迹点法向距离的航迹聚类模型33-34
• 3.4 实验设计及结果分析34-38
• 3.4.1 二维航迹聚类分析34-36
• 3.4.2 三维航迹聚类分析36-37
• 3.4.3 聚类结果导入NoiseMap分析37-38
• 3.5 本章小结38-39
• 第四章 面向机场噪声预测的多噪声影响因素航迹聚类模型39-52
• 4.1 基于航迹间面积的航迹相似性度量方法39-42
• 4.1.1 机场多噪声影响因素分析39-40
• 4.1.2 基于航迹间面积的航迹相似性度量方法40-41
• 4.1.3 基于航迹间面积的航迹相似性度量方法的证明41-42
• 4.1.4 航迹相似性度量矩阵42
• 4.2 属性加权的K-medoids航迹聚类算法42-43
• 4.3 面向机场噪声预测的多噪声影响因素航迹聚类模型43-44
• 4.4 实验设计及其结果分析44-51
• 4.4.1 面向机场噪声预测的多噪声影响因素航迹二维聚类分析44-46
• 4.4.2 面向机场噪声预测的多噪声影响因素航迹三维聚类分析46-48
• 4.4.3 机型聚类分析48-49
• 4.4.4 面向机场噪声预测的航迹聚类结果综合分析49-51
• 4.5 本章小结51-52
• 第五章 航迹聚类在机场噪声预测上的应用52-65
• 5.1 机场噪声监测运行系统及其相关数据分析52-55
• 5.1.1 机场噪声监测点分布图52-53
• 5.1.2 机场航班运行分析统计53-55
• 5.2 航迹关联噪声事件参数调整55-57
• 5.3 机场周边小区噪声投诉报告分析57-60
• 5.4 航迹聚类结果与标准进离场程序对比60-61
• 5.5 航迹聚类在机场噪声等值线绘制上的应用61-64
• 5.6 本章小结64-65
• 第六章 总结与展望65-67
• 6.1 总结65-66
• 6.2 展望66-67
• 参考文献67-71
• 致谢71-72
• 作者简介72

【参考文献】

中国期刊全文数据库 前10条

1 CHEN Na;XU Ze-shui;XIA Mei-mei;;Hierarchical hesitant fuzzy K-means clustering algorithm[J];Applied Mathematics:A Journal of Chinese Universities(Series B);2014年01期

2 王洁宁;孙禾;赵元棣;;基于时间-空间的进场航迹聚类分析[J];科学技术与工程;2013年33期

3 王超;王明明;王飞;;基于改进的模糊C-Means航迹聚类方法研究[J];中国民航大学学报;2013年03期

4 王丽娜;王建东;李涛;叶枫;;集成粗糙集和阴影集的簇特征加权模糊聚类算法[J];系统工程与电子技术;2013年08期

5 徐涛;曹枝东;;基于路径栅格的机场噪声等值线追踪算法[J];电子科技大学学报;2013年02期

6 王超;徐肖豪;王飞;;基于航迹聚类的终端区进场程序管制适用性分析[J];南京航空航天大学学报;2013年01期

7 高婷;王迪;;飞机噪声等值线绘制算法的研究[J];电子设计工程;2012年23期

8 Suiang-Shyan LEE;Ja-Chen LIN;;An accelerated K-means clustering algorithm using selection and erasure rules[J];Journal of Zhejiang University-Science C(Computers & Electronics);2012年10期

9 牛新征;佘X;;面向大规模数据的快速并行聚类划分算法研究[J];计算机科学;2012年01期

10 江敏;皮德常;孙兰;;一种多约束的密度聚类算法的研究[J];计算机科学;2011年S1期

中国博士学位论文全文数据库 前1条

1 殷瑞飞;数据挖掘中的聚类方法及其应用[D];厦门大学;2008年

，

本文编号：914739