[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

摘要

本发明公开了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，包括建立机场飞行历史记录原始数据集、计算数据样本其隶属度、对模糊数据集进行回归模型训练、利用回归模型对机场噪声进行预测的步骤；本发明的用于实现所述方法的系统包括数据采集与处理模块、单航班实时机场噪声预测模型、机场噪声累加模型和噪声等值线图绘制模块。本发明的方法及系统即使在数据不完整的情况下仍能提供较为精准的预测，可以对机场噪声进行实时的预测和控制。

主权项

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。