[发明专利]一种基于权重的机场单航班噪声预测方法及其系统

说明书

技术领域

本发明涉及一种预测机场单航班噪声的方法，尤其涉及一种基于权重的机场单航班噪声预测方法，同时涉及一种用于实现该方法的系统。

背景技术

随着我国民航客货运输任务的急剧增加，机场周边地区的城镇化进程加速发展，由于机场用地与城镇用地越来越近，因此机场的噪声污染所引起的矛盾、纠纷越来越多。机场噪声问题是一个严重的社会问题，它不仅限制了机场本身的发展，也给机场周围人群的生活、学习和工作带来很大的影响。

由于国内对机场噪声的预测理论、预测方法缺乏研究，我国目前对机场噪声的预测都是依靠国外的经验及方法(如美国联邦航空局(FAA)提出的INM)，并没有形成统一的计算和预测方法。而现有的噪声预测方法需要基于比较复杂的假设，机场的环境条件也千差万别，计算模型难以考虑周全(如：Asensio C.等人指出INM无法考虑飞机滑行的问题，存在预测偏差；Yingjie Yang等人指出INM软件中的模型在某些情况下不能提供预期的接近真实环境的飞机噪声预测结果)。传统的机场噪声预测主要是利用实际数据根据噪声评估标准以及噪声计算公式得到，误差较大且不利于对未来机场噪声状况的预测。近几年来，我国机场周围的噪声问题日益突出，因此有必要尽快研究算法，开发适用于我国的机场噪声预测软件。

F.Van Den Berg等人的研究表明，利用从实测数据中挖掘到的规律、模式与声学理论计算模型进行结合可以有效地提高噪声的预测准确率。机器学习方法是通过实测数据建立噪声预测模型的主要方法之一，目前我们正在尝试将机器学习方法运用到机场噪声预测方面，已有的尝试研究比如将模糊支持向量回归机、聚类、时间序列，神经网络等运用于机场噪声数据预测，但是单一的学习算法的预测结果时好时坏，在不同的条件和数据集下不具有稳定性，不能一直保持高精度的预测性能。而大量的学习算法模型明显会降低预测速度，增加存储空间。

发明内容

技术问题

本发明要解决的技术问题是提供一种对机场单航班的噪声进行预测的方法，该方法先为机场单航班噪声数据赋予相应的权重，通过权重来区别制定样本的学习能力，进而训练多个不同的学习模型，选择其中比较好的学习模型进行整合，同时提供一种用于实现该方法的系统。

技术方案

为了解决上述的技术问题，本发明的基于权重的机场单航班噪声预测方法包括下列步骤：

步骤一：收集机场单航班噪声的原始数据并进行数据归一化处理；

步骤二：提取步骤一中部分机场航班噪声的原始数据构建得到机场单航班噪声预测的第一训练样本集S，S＝{(x_i，y_i)|i＝1，2，...，n}，其中x_i＝(x_i1，x_i2，...，x_ip)是输入项，y_i∈R为决策项，n是S中样本数据的个数，提取剩余机场航班噪声原始数据构建得到机场单航班噪声预测的第二测试样本集S^*；

步骤三：对步骤二得到的训练样本集S进行训练，得到满足精度要求的机场单航班噪声预测模型，具体子步骤如下：

3.1：选用一种基本学习器M，并设定训练模型个数为T；

3.2：给步骤二中第一原始训练样本集S的每一条样本数据赋予权重，首先假设每一条样本数据同等重要，则样本数据的权重设定为i＝1，2...，n，所述n为S中样本总个数；

3.3：假定当前训练第t个模型，t∈[1，T]，依据当前样本数据权重w_t的概率分布，从第一训练样本集S中有放回地取出权重较大的样本得到新的训练集S_t，使用所述的基本学习器M进行训练，得到预测模型M_t；

3.4：用所得的预测模型M_t对第一训练样本集S进行预测，得到预测值f_t(x_i)，i＝1，2，...，n，所述的n为S中样本总个数；

3.5：计算第一训练样本集S的每条样本数据的损失值集合其中A＝max{|f_t(x_i)-y_i|}，i＝1，2，...，n，n为第一训练样本集S的样本个数，根据样本权重w_t得到预测模型M_t的平均损失值如果满足条件L_avr(t)≥0.5，则跳转到子步骤3.3，否则执行步骤3.6；