[发明专利]一种基于模糊回归的机场噪声预测方法及其系统

权利要求书

1.一种基于模糊回归的机场噪声预测方法，其特征在于，包括下列步骤：

步骤一：建立机场飞行历史记录原始数据集，所述的数据集中包含监测点属性、飞过监测点上方航班的相关属性以及气象属性；

步骤二：对步骤一所述的数据集中的数据样本计算其隶属度，其中k值取50；基于局部孤立因子的隶属度函数定义如下：

μi=(1-θ)m+σ,lof‾<lofk(p)≤lofmax1-θ,lpfmin≤lofk(p)≤lof‾]]>

其中lof_k(p)为样本点的局部孤立因子，lof_min、lof_max和分别为样本局部孤立因子中的最小值、最大值和均值；σ＜1，为足够小的正实数；m≥2；随后设置隶属度函数中参数m＝10，得到数据样本的隶属度，获得模糊数据集{(x₁，y₁，μ₁)，(x₂，y₂，μ₂)，…，(x_i，y_i，μ_i)}，其中(x，y)为训练集，μ为隶属度；

步骤三：对步骤二得到的模糊数据集进行回归模型训练，得到机场噪声回归预测模型，该训练过程如下：

首先将获得的模糊训练集带入模型中，转为求解一个最小化问题：

min12||w||2+C1lΣilμi(ξi-+ξi+)]]>

s·t·yi-(w·φ(x))-b≤ϵ+ξi-(w·φ(x))+b-yi≤ϵ+ξi+ξi-,ξi+≥0,i=1,2,···,l]]>

再得到相应的回归函数为：

f(x)=Σi=1l(αi-αi*)K(xi,x)+b]]>

核函数K采用径向基核，并通过十折交叉验证方法选取到最佳的核函数参数g＝0.5，惩罚因子C＝2；

步骤四：利用于步骤三得到的回归模型对机场噪声进行预测。

2.一种用于实现权利要求1所述预测方法的系统，其特征在于，所述的系统包括：

数据采集与处理模块，所述的数据采集与处理模块从机场数据库和实施监控设备中获取航班信息和飞机飞行信息有关的实时数据，并且根据预测系统的输入要求转换成相应的数据格式并存储在数据库中，为模型的训练和实时数据输入做准备；

单航班实时机场噪声预测模型，单航班实时机场噪声预测模型为某一条航班通过监测点附近对该点产生的噪声值的噪声计算模型；

机场噪声累加模型，所述的机场噪声累加模型为对一天内机场所有航班产生的噪声进行加权累加得到的模型；

噪声等值线图绘制模块，所述的噪声等值线图绘制模块将机场周围的噪声情况以等值线图的形式进行显示。