[发明专利]一种基于GABP神经网络的管制员工作负荷的预测方法及系统

权利要求书

1.一种管制员工作负荷预测方法，其特征在于，包括步骤：

步骤1：确定BP神经网络拓扑结构，采集不同时段的扇区交通流态势指标样本、建立样本集；

步骤2：利用遗传算法优化BP神经网络的权值和阈值，进行网络训练，输出优化后的BP神经网络；

步骤3：根据输入的扇区交通流态势指标实时数据，通过步骤2优化的BP神经网络预测管制员工作负荷指数；

步骤4：若测管制员工作负荷指数的结果符合预设条件，则响应警告。

2.如权利要求1所述的一种管制员工作负荷预测方法，其特征在于，

所述步骤1包括如下过程：

步骤1.1确定网络拓扑结构；

步骤1.2建立样本集。

3.如权利要求2所述的一种管制员工作负荷预测方法，其特征在于，所述步骤1.2中的样本集包括不同时段的扇区交通流态势指标，及其对应的管制员工作负荷指标；所述扇区交通流态势指标包括扇区通行性检测指标、扇区复杂性检测指标、扇区安全性检测指标、扇区经济性检测指标。

4.如权利要求3所述的一种管制员工作负荷预测方法，其特征在于，所述扇区通行性检测指标为扇区流量、扇区航行里程、扇区航行时间和扇区交通流密度；

扇区复杂性检测指标为扇区航空器爬升次数、扇区航空器下降次数、扇区航空器改速次数、扇区航空器改航次数；

扇区安全性检测指标为扇区短期冲突告警频率和扇区最低安全高度告警频率；

扇区经济性检测指标为扇区饱和度、扇区排队长度、扇区航空器延误架次率、扇区航空器延误时间、扇区航空器平均延误时间。

5.如权利要求1所述的一种管制员工作负荷预测方法，其特征在于，步骤2包括如下步骤：

步骤2.1使用遗传算法优化BP神经网络权值和阈值；

步骤2.2以最优初始化权值和阈值，对扇区交通流态势指标样本进行BP神经网络训练，输出优化后的BP神经网络。

6.如权利要求5所述的一种管制员工作负荷预测方法，其特征在于，所述步骤2.1包括：

步骤2.1.1随机初始化BP神经网络权值和阈值，对权值和阈值进行编码，形成个体及种群；

步骤2.1.2构造个体适应度函数；

步骤2.1.3选择操作；

步骤2.1.4交叉操作；

步骤2.1.5变异操作；

步骤2.1.6根据遗传算法结束条件，选取适应度值最大的个体基因编码，作为BP神经网络的最优初始化权值和阈值。

7.如权利要求6所述的管制员工作负荷预测方法，其特征在于：

所述步骤2.1.1包括：

个体的编码采用实数编码方式，每个个体由输入层与隐含层连接权值、隐含层阈值、隐含层与输出层连接权值以及输出层阈值构成。