首页|基于深度学习的机场能见度预测研究

基于深度学习的机场能见度预测研究

Research on airport visibility prediction based on deep learning

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
40％以上的飞行事故发生在机场范围内的起飞降落阶段,造成各航班延误或机场暂闭的重要原因是机场能见度降低.对机场能见度进行预测研究在保障飞机安全,提高运行效率上起到至关重要的作用.基于Squeezenet的迁移学习模型与搭建的15层深度卷积神经网络,对能见度进行判断,与已知能见度进行对比后,使用准确度最高的模型实现后续的能见度预测.经过实验,Squeezenet迁移学习模型的能见度预测精确度最高为70％,搭建的15层深度卷积神经网络模型的准确度为89.7％.最终发现搭建的15层深度卷积神经网络模型更适用于机场能见度预测,为机场能见度预测、提高机场运行效率问题提供参考.

千月欣、王永忠、李佳骏、徐天羿

展开 >

中国民用航空飞行学院 空中交通管理学院,四川 广汉618307

能见度预测 视频图像 Squeezenet神经网络 迁移学习 卷积神经网络

中国民用航空飞行学院研究生科研创新基金

X2021-27

2021

10.3969/j.issn.1672-8513.2021.06.016

云南民族大学学报(自然科学版)
云南民族大学

云南民族大学学报(自然科学版)

CSTPCD
影响因子：0.381
ISSN：1672-8513
年,卷(期)：2021.30(6)
  • 2
  • 11