首页|基于机器学习的跑道占用时间预测模型研究

基于机器学习的跑道占用时间预测模型研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
伴随着我国民航事业的迅速发展,运输需求不断增加,通过规范跑道占用时间来提升跑道运行效率成为必然要求.采用了人工神经网络(ANN)、循环神经网络(RNN)、极度梯度提升树(XGBoost)、支持向量机(SVM)四种不同的机器学习方法构建跑道占用时间预测模型,并对建立的四种跑道占用时间预测模型预测结果进行对比分析.研究发现最适宜用来建立跑道占用时间预测模型的机器学习方法是人工神经网络,利用该方法建立的基于RNN的跑道占用时间预测模型预测效果最好,预测平均绝对误差仅为3.5130.该结论可以为未来研究跑道占用时间预测模型,规范跑道占用时间提供一定参考.
Research on Prediction Model of Runway Occupancy Time Based on Machine Learning

陈亚青、张可欣、李颖哲

展开 >

民航飞行技术与飞行安全重点实验室,广汉 618307

中国民用航空飞行学院民航飞行技术与飞行安全科研基地,广汉 618307

中国民用航空飞行学院空中交通管理学院,广汉 618307

跑道占用时间 人工神经网络(ANN) 循环神经网络(RNN) 极度梯度提升树(XGBoost) 支持向量机(SVM)

2022

10.3969/j.issn.1007-1423.2022.24.001

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(24)
  • 8