[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

说明书

技术领域

本发明涉及一种对机声噪声进行预测的方法，尤其涉及一种基于历史数据的预测模型的预测方法，同时涉及一种实现该方法的系统。

背景技术

关于机场噪声国外很早就给予了重视，开始制定相关法律法规和进行相关的学术研究。美国联邦航空条例第150部(FAR Part 150)规定使用统一的综合噪声模型INM(Integrated Noise Model)进行机场噪声预测计算。同时，也明确了使用的计算公式和需要输入的相关数据，以保证预测结果的准确性和合理性。并规定机场每5年或运行航空器(机型或架次)发生较大变化时，都有必要更新噪声等值线图，这种做法也逐渐被其他国家借鉴。目前国内外机场噪声预测都是结合噪声预测模型，采用噪声预测软件对机场噪声进行预测。现阶段，用于机场噪声预测比较先进的方法和工具主要包括FAA提出的INM，德国的Soundplan和波音(Boeing)公司的BCOP(Boeing Clime Out Program)[3，4]等。

我国于1988年8月发布了《机场周围飞机噪声环境标准》[1]，标准中采用了国际民航组织推荐的指标计权等效连续感觉噪声级L_WECPN[2]来表示飞行噪声全天平均每秒对人的冲击。国内缺乏对机场噪声预测理论、方法深入细致的研究，大都沿用国外的方法。每一次航空器飞行事件，任意位置点的噪声等级预测计算结果受诸多因素影响，包括：航空器型号、发动机型号、发动机推力、航空器飞行中(起飞或着陆)各阶段速度、地面位置点到航空器航迹的最短距离，以及当地的地形和气候等。噪声预测就是根据地面噪声计算位置点到航空器飞行线路的最短距离，再对该航空器既有基本声学数据进行插值计算得到该位置点的噪声级，并在此基础上迭加以上各影响因素的修正值。

受噪声预测模型的局限，在机型噪声-距离特性数据不全或不够准确的情形下，机场噪声预测的准确性就会降低；同时飞行性能数据(起飞滑跑距离、爬升坡度、下滑坡度、着陆接地点位置)、飞行程序等的缺失，也常常使得噪声预测结果不准。综合国外现有成熟预测模型，借助大量机场噪声实测数据及集成预测方法，研究机场噪声关联预测模型及隐含的潜在噪声演变模式，是解决我国机场噪声预测准确性问题的捷径。

传统机场噪声计算模型存在以下问题：

(1)基于声学模型的计算模型在数据缺失的情况下准确性会降低

受噪声预测模型的局限，在机型、噪声、距离特性数据不全或不够准确的情形下，机场噪声预测的准确性就会降低；同时飞行性能数据(起飞滑跑距离、爬升坡度、下滑坡度、着陆接地点位置)、飞行程序等的缺失，也常常使得噪声预测结果不准。

(2)基于确定性因素的机场噪声预测模型不能反映噪声产生过程的随机性

INM等噪声计算模型都是针对固定的航班计划和飞行路线，对飞行过程中经常出现的航班延误及航线的改变以及风向等因素的变化不能做出准确的预期，所以只能用于粗略的噪声模型的搭建，对一些突发事件没有考虑在内，预测的精度和可靠性有待提高。

(3)不能动态的反应机场实时的噪声情况

航班运行数据不能实时输入的预测系统中，无法通过即时的数据更新机场噪声的情况，如果能通过系统实时的预测出下一时刻的噪声情况，那对于如何调整航班计划和机场布局，以此来降低机场噪声的危害将有很大的帮助。

(4)模拟结果难以验证和优化

对于现有模型的计算结果，很难通过实际的监测进行验证，一来模型的计算过程复杂，二来很少有机场采购昂贵的噪声监测设备，由于正确性无法得到确实的检验，所以很难对于监测数据进行实时验证、修正和优化，难以实现预测精度的逐步提高。即模型没有学习能力。

发明内容

技术问题

本发明要解决的技术问题是提供一种将机器学习的方法引入到机场噪声预测中，从历史数据中自动获取发生模式，对未来进行准确的预测的机场噪声预测方法，同时提供一种用于实现该方法的系统。

技术方案

为了解决以上问题，本发明的基于模糊回归的机场噪声预测方法包括下列步骤：

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：