[发明专利]一种基于支持向量机的机场驱鸟智能决策方法

摘要

本发明公开了一种基于支持向量机的机场驱鸟智能决策方法，本发明提出的机场驱鸟智能决策方法基于大量历史鸟情信息以及专家知识，利用支持向量机建立驱鸟策略分类模型，实现了机场驱鸟实时智能决策。本方法包括训练和测试两部分，其中，训练部分基于历史鸟情信息和专家知识，通过数据预处理与支持向量机训练两个步骤，建立驱鸟策略分类模型，测试部分根据驱鸟实时智能决策结果，对驱鸟策略分类模型进行修正与优化。本发明克服了传统驱鸟方法中驱鸟设备长期单调重复运行的缺点，通过智能决策方法，针对实时鸟情信息，实现了多种驱鸟设备的实时优化组合。

主权项

一种基于支持向量机的机场驱鸟智能决策方法，包括以下几个步骤：步骤一、训练数据预处理；将基于机场探鸟设备获取的历史鸟情信息排列为向量，向量结构如下所示：XTrain＝[D P S N T …]  (1)其中，D为飞行方向、P为坐标位置、S为鸟种、N为数量、T为出现时段；针对鸟情信息、驱鸟设备确定驱鸟策略，每种驱鸟策略由Y表示，基于专家知识，将驱鸟策略与鸟情信息向量关联对应：其中，n个鸟情信息向量与m类驱鸟策略对应，n值远大于m值，为训练数据中的鸟情信息，为训练数据中的驱鸟策略；步骤二、支持向量机训练；基于步骤一中生成的包括历史鸟情信息与驱鸟策略的对应关系数据，采用支持向量机进行分类模型训练，生成驱鸟策略分类模型γSVM=SVM(XiTrain:YjTrain|i=1,...n;j=1,...,m);n>>m---(3)]]>其中：γSVM为通过支持向量机训练生成的驱鸟策略分类模型、SVM为支持向量机的训练过程；步骤三、测试数据预处理；基于机场探鸟设备实时获取的鸟情信息，按照(1)式排列为鸟情信息向量XTest，作为测试数据；步骤四、测试数据分类；基于步骤二生成的驱鸟策略分类模型，为测试数据XTest选择对应的驱鸟策略：YTest＝γSVM(XTest)  (4)其中：YTest为基于驱鸟策略分类模型自动选择的驱鸟策略，γSVM为通过支持向量机训练生成的驱鸟策略分类模型；步骤五、分类模型修正与优化；按照步骤四输出的驱鸟策略YTest进行驱鸟作业，如果将飞鸟目标驱离相关危险区域，则将该组数据加入训练数据，重新生成优化的分类模型γSVM*=SVM(XiTrain:YjTrain,XTest:YTest|i=1,...n;j=1,...,m);n>>m---(5)]]>其中：为基于原始训练数据以及新加入的测试数据，通过支持向量机重新生成的优化的分类模型；反之，则进行人工干预，根据当前的鸟情信息进行决策，提出修正的驱鸟策略YModified，并将修正后的数据加入训练数据，重新生成修正的分类模型γSVM*=SVM(XiTrain:YjTrain,XTest:YModified|i=1,...n;j=1,...,m);n>>m---(6)]]>进入下一个循环过程，实现驱鸟策略分类模型的优化。