基于LSTM-ARIMA的短期航迹预测方法研究及可视化系统开发

发布时间：2021-11-13 23:22

　　精确的航迹预测技术在解决空域资源日益紧张的问题中扮演着越来越重要的角色,也是未来基于航迹运行的空管理念的关键技术之一,其在协同管制、航迹优化、冲突探测与解脱等领域都有很重要的意义。随着我国航空运输业的发展,空中交通流量越来越多,空管系统的航班飞行数据也海量剧增,从大量高度复杂的数据中提取有用信息,深度挖掘空中交通流组织模式和演变规律,并将之有效运用于航迹分析等领域也是空管大数据的必然趋势。本文基于大量的航班飞行数据,提出了一种基于LSTM-ARIMA的短期航迹预测方法,该方法的基本思想是运用基于LSTM（Long Short-Term Memory,LSTM）神经网络和ARIMA（Autoregressive Integrated Moving Average,ARIMA）模型的组合模型对历史航班飞行数据进行建模,挖掘历史航班飞行数据内部隐藏的依赖关系,并将其运用于新的航迹预测。首先,分析现有的历史航班飞行数据,通过特征扩展,增加了到目标机场的距离和转向状态两个新的特征数据,构建基于LSTM神经网络的航迹预测模型;然后,针对LSTM航迹预测模型的不足,结合LSTM神经网络和ARIMA模... 

【文章来源】：中国民航大学天津市

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

LSTM单元结构图

中国民航大学硕士学位论文11f(x)max(0,x)(2.11)其中，max(0,x)表示取两者的最大值。因为对x0的数求导为1，所以ReLU函数在x0时不会出现梯度衰减情况，这样可以减轻梯度消失现象。但是，在x0的情况下，神经元的输出都为0，这个时候是不存在梯度的，梯度不存在会直接导致权重无法更新。除此之外，ReLU函数不以零为中心的输出也影响着网络训练的收敛性。(4)LeakyReLU函数LeakyReLU函数是针对ReLU函数在x0的区域内神经元死亡问题而被提出来的，其波形图如图2-4(d)所示，函数表示形式如下所示：f(x)max(x,x)(2.12)其中，的值可以是任意数值，其作为网络的一个参数，可以在神经网络训练中通过学习得到，这里画曲线图时选取0.2。图2-4四种激活函数曲线图2.损失函数的选择损失函数（LossFunction）是一个非负实值函数，是用来评价真实值y和网络模型的预测值f(x)不一致程度的。记损失函数为Q(y,f(x))，模型预测结果的准确度和损失

中国民航大学硕士学位论文22图3-1LSTM预测模型经过反复迭代训练直到损失值收敛，即得到LSTM航迹预测模型。将模型的输出值经过反归一化处理就可得到符合实际意义的三维坐标值。3.3.2LSTM模型参数选择(1)输入层时间窗口W的选择LSTM的性能与输入时序的长度紧密相关，其记忆单元在预测某个时刻的输出时会选择忘记或记住积累的信息，所以在本文中加入了时序的概念。在本文的实验中选择前2~6个时刻的航班轨迹特征来预测下一时刻的航班位置，即输入层的时间窗口W选择为2~6，不同的W取值对网络的超参数选择和精度有不同程度的影响。(2)超参数选择数据预处理之后的航迹序列分割训练集、验证集、测试集…Adam优化损失计算理论输出模型输出输出与测试集对应的预测结果预测值反归一化第1层LSTM网络第LLSTM网络…Xim-w+1Xim-w+2XimYim+1

【参考文献】：
期刊论文
[1]基于LSTM的船舶航迹预测模型[J]. 权波,杨博辰,胡可奇,郭晨萱,李巧勤.  计算机科学. 2018(S2)
[2]基于CRITIC赋权法的我国金融稳定测度体系[J]. 姜爱萍,张蓝飞.  技术与创新管理. 2018(04)
[3]基于GMM的航班轨迹预测算法研究[J]. 林毅,张建伟,武喜萍,刘宇.  工程科学与技术. 2018(04)
[4]深度学习研究与进展[J]. 孙志远,鲁成祥,史忠植,马刚.  计算机科学. 2016(02)
[5]基于BADA及航空器意图的四维航迹预测[J]. 张军峰,蒋海行,武晓光,汤新民.  西南交通大学学报. 2014(03)
[6]基于改进卡尔曼滤波的四维飞行航迹预测模型[J]. 王涛波,黄宝军.  计算机应用. 2014(06)
[7]基于航迹的运行:未来航空运行模式新理念[J]. 杨筱,江波.  中国民用航空. 2013(04)
[8]基于CRITIC的多属性决策组合赋权方法[J]. 张玉,魏华波.  统计与决策. 2012(16)
[9]基于混杂系统模型的航空器4D航迹推测[J]. 汤新民,韩云祥,韩松臣.  南京航空航天大学学报. 2012(01)
[10]基于基本飞行模型的4D航迹预测方法[J]. 王超,郭九霞,沈志鹏.  西南交通大学学报. 2009(02)

博士论文
[1]空中交通流量管理关键技术研究[D]. 田勇.南京航空航天大学 2009

硕士论文
[1]基于Web的探索式高维数据可视化系统的研究与实现[D]. 庞志慧.北京邮电大学 2019
[2]机场航空器场面轨迹预测和路径规划关键技术研究[D]. 姚梦飞.电子科技大学 2018
[3]基于ARIMA-LSTM混合模型的机械传动件制造企业销售预测方法研究与应用[D]. 程俊.电子科技大学 2018
[4]基于数据挖掘的四维航迹精密预测方法研究[D]. 马勇.南京航空航天大学 2016
[5]空中交通流量动态预测与分析研究[D]. 瞿英俊.南京航空航天大学 2009



本文编号：3493914