[发明专利]一种基于时间序列分析的机场噪声瞬时值预测方法及其系统

摘要

本发明公开了一种于时间序列分析的机场噪声瞬时值预测方法及其系统，该方法是针对机场噪声的瞬时值进行分析研究，其从时间序列的角度挖掘机场噪声的特点，先建立预测模型，再进行预测。本发明的系统包括噪声采集模块、数据处理模块、存储器模块和计算机处理模块，其中，噪声采集模块中，声音传感器采集到的噪声信息经放大电路放大后经过模数转换模块输入数据处理模块，再经过存储器模块输入计算机处理模块中的噪声信息数据库模块，再通过输入模块处理输入预测模型模块处理得到预测数据。本发明的方法开拓了有关机场噪声预测的新的思路和研究领域，在降低建模复杂度的同时，增强了模型的学习能力和泛化能力，大大提高了预测精度。

主权项

1.一种基于时间序列分析的机场噪声瞬时值预测方法，其特征在于，包括下列步骤：步骤一：采集单监测点每个时刻的机场噪声瞬时值建立机场噪声信息数据库，根据需要提取样本，其中90％作为训练样本，剩余的10％作为预测样本；步骤二：建立训练集S={(x_i，y_i)|i＝1，2，…，n}，并确定标记簇的数目为k，即将训练集分成k类。其中，x_i＝[x_i1，x_i2,…，x_ip]为输入变量，表示1…p时刻的值，p为自然数，y_i为决策变量，表示后一时刻的值，即y_i＝x_ip+1，n为训练样本样本总数；步骤三：将训练集S标记为k个簇，每个簇为训练集S的一个子集，其中其中S_i，S_j分别代表第i，j标记簇，该步骤包括以下子步骤：步骤3.1：随机选取训练集S中k个对象作为初始的中心点；步骤3.2：重复进行步骤3.3，3.4，3.5，3.6直至每个簇的中心点不再变化；步骤3.3：指派其它剩余的对象给离它最近的中心点所代表的簇；步骤3.4：随机地选择一个非中心点对象O_random；步骤3.5：得到用O_random代替中心点O_i(j＝1，2，…，k)O_j的代价SC；步骤3.6：如果SC<0，则O_random代替O_j，形成新的k个中心点的集合；步骤四：对于预测样本，根据步骤三得到的标记结果，确定样本所属类别I，其中I=1，2，…，k，表示簇的标记，该步骤包括以下子步骤：步骤4.1：根据步骤三得出k类样本的类中心C_i(i=1，2，…，k)；步骤4.2：采用欧式距离d=|xi1-xj1|2+|xi2-xj2|2+...+|xip-xjp|2,]]>其中xi=[x_i1,x_i2,…，x_ip]为每一类的簇中心C_i的输入向量，x_j＝[x_j1,x_j2,…，x_jp]为预测样本的输入向量，得到样本到每一类的簇中心C_i距离d_i(i=1，2，…，k)，按到各簇距离最小进行类别判定；步骤五：根据步骤四的标记结果，对属于同一类别I的样本进行回归预测，本步骤包括下列子步骤；步骤5.1：归一化训练样本和预测样本，减小两个样本之间数量级的差异；步骤5.2：对属于同一类别I的训练样本，选取S_I为训练集，进行模型训练，得出训练模型其中为K(x，x_i)核函数，l为同一类别I的的样本数目；步骤5.3：对预测样本集中属于类别I的样本(x_i，y_i)，用上一步得到的模型，对y_i值进行预测，实现机场噪声瞬时值的预测。