专利汇可以提供一种基于渐进梯度回归树的天气影响下空中通行能力的预测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于渐进梯度回归树的天气影响下空中通行能 力 的预测方法,包括如下步骤:(1)数据读取和处理;(2)数据清洗;(3)构建数据特征量;(4)模型训练和测试;(5)模型性能评估和优化;(6)天气影响下空中通行能力的预测。本发明能够对扇区、终端区和机场的空中通行能力进行科学合理的预测,为流量管理人员进行决策提供支持。,下面是一种基于渐进梯度回归树的天气影响下空中通行能力的预测方法专利的具体信息内容。
1.一种基于渐进梯度回归树的天气影响下空中通行能力的预测方法,其特征在于,包括如下步骤:
(1)数据读取和处理;
(2)数据清洗;
(3)构建数据特征量;
(4)模型训练和测试;
(5)模型性能评估和优化;
(6)天气影响下空中通行能力的预测。
2.如权利要求1所述的基于渐进梯度回归树的天气影响下空中通行能力的预测方法,其特征在于,步骤(1)中,数据读取和处理具体包括如下步骤:
(11)读取的数据包括:读取气象雷达数据、日常天气报告、航班的飞行计划数据;
(12)根据气象雷达数据文件名得到时间的年月日时分秒;
(13)根据气象雷达数据计算雷达反射率>40dBZ的面积与空域对象的比值得到天气对空域的影响指数;
(14)根据气象雷达数据的回波信号得到机场过去时刻/当前时刻各离场方向航路点的可用容量比率;
(15)根据机场日常天气报告得到过去时刻/当前时刻的机场风向/风速、侧风、能见度、云量、云底高度、天气现象;
(16)根据风向与跑道的夹角计算跑道的侧风分量,依据《民用航空空中交通管理规则》附件15侧风、顺风限制标准表判断机场是否可以起飞;
(17)根据航班的飞行计划得到计划进/离场飞机、离场重/中/轻机型数量、进场重/中/轻机型数量、国内航班数、国际航班数、飞机起降总架次。
3.如权利要求1所述的基于渐进梯度回归树的天气影响下空中通行能力的预测方法,其特征在于,步骤(2)中,数据清洗具体包括如下步骤:
(21)对天气和空中通行能力超过统计最大值的异常数据进行清洗;
(22)对重复数据的清洗;
(23)对不完整数据的清洗;
(24)数据进行离差标准化处理,消除量纲和数据取值范围的影响。
4.如权利要求1所述的基于渐进梯度回归树的天气影响下空中通行能力的预测方法,其特征在于,步骤(3)中,构建数据特征量具体包括如下步骤:
(31)由当前的时间点、过去1小时的所有时间片数据构建有时间特征、空域气象特征、机场气象特征和航班流量特征4个特征的n个输入特征量X;
(32)将输入特征量X1…Xn为自变量,管制员根据历史数据和管制经验得到对天气影响下的空域通行能力作为因变量Y,X和Y共同组成特征量数据集;
(33)对不完整数据的清洗;
(34)将特征量数据集分成3份,其中60%作为训练数据集,20%作为交叉验证数据集,
20%作为测试数据集;
(35)将所有的特征量进行重要度分析,提取前Z个重要度较高的特征量;
特征量j的重要度通过特征量j在单颗树中的重要度的平均值来得到:
式中,M是树的数量;L为树的叶子节点数量,L-1为树中的非叶子节点数量,vt为内部节点t进行分裂时选择的特征, 是内部节点t分裂之后平方损失的减少值。
5.如权利要求1所述的基于渐进梯度回归树的天气影响下空中通行能力的预测方法,其特征在于,步骤(4)中,模型训练和测试具体包括如下步骤:
(41)选择渐进梯度回归树(GBRT)作为核心算法;
(42)所用的损失函数是平方损失函数;
L(yi,f(xi))=(yi-f(xi))2
式中,L为损失函数,yi为第i个样本对应的真实值,f(xi)为回归树,xi为第i个样本值;
(43)初始化弱学习器;
式中,yi为第i个样本对应的真实值,γ是使损失函数L极小化的常数值。
(44)对每个样本i=1,2,…,N,计算残差;
(45)将上步得到的残差作为样本新的真实值,并将数据(xi,rim)(i=1,2,...N)作为下棵树的训练数据,得到一颗新的回归树fm(x),其对应的叶子节点区域为Rim,j=1,2,...,J,其中J为回归树t的叶子节点的个数;
(46)对叶子区域j=1,2,...,J计算最佳拟合值;
(47)更新强学习器;
式中,I为指示函数,即样本x∈Rjm为1,否则为0。
6.如权利要求1所述的基于渐进梯度回归树的天气影响下空中通行能力的预测方法,其特征在于,步骤(5)中,模型性能评估和优化具体包括如下步骤:
(51)计算均方根差(RMSE);
(52)计算平均绝对误差(MAE);
(53)计算拟合优度(R2);
上述式中,yi为原始数据; 为预测数据; 为原始数据均值;
综合均方根差和平均绝对误差最小、拟合优度越接近1原则,综合确定最优模型的回归树的数量、每棵独立树的深度、学习速率、损失函数参数。
7.如权利要求1所述的基于渐进梯度回归树的天气影响下空中通行能力的预测方法,其特征在于,步骤(6)中,对天气影响下空中通行能力的预测具体包括如下步骤:
(61)空中通行能力包括管制扇区,终端区和机场;
(62)将新数据作为输入,采用渐进梯度回归树模型,使用模型性能评估确定下的参数的回归模型,对天气影响下空中通行能力进行预测。
方法
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
直升机协同定位方法 | 2020-05-08 | 690 |
基于空域安全评估的无人机管控平台及管控方法 | 2020-05-11 | 200 |
设定根据飞行器速度变化的发动机起动燃料流的方法和系统 | 2020-05-13 | 892 |
一种基于K次控制深度强化学习的空管防冲突方法 | 2020-05-13 | 305 |
一种便携式电子飞行包 | 2020-05-08 | 856 |
飞行器飞行计划方法、相关联计算机程序产品和计划系统 | 2020-05-12 | 142 |
高尔夫球跟踪系统 | 2020-05-13 | 420 |
飞行器飞行管理系统和方法 | 2020-05-11 | 464 |
一种基于四维航迹运行的RTA序列分配方法 | 2020-05-12 | 879 |
一种航空公司商业智能信息管理系统 | 2020-05-08 | 932 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。