一种基于反向神经网络的航空器飞行轨迹预测

论文摘要

为了缓解终端区空域拥堵和降低航空器运行风险,提出一种基于反向神经网络（BP）的航空器飞行轨迹预测模型。首先,对航空器历史数据进行筛选和降噪处理,得到基准轨迹;其次,建立基于Hausdorff距离的轨迹相似性矩阵,采用模糊C-均值聚类（FCM）对所有轨迹进行自动分类;最后,综合考虑飞行轨迹的三维位置、速度和航向特征,利用BP神经网络对轨迹特征进行训练学习,建立飞行轨迹预测模型,用于对未来时刻的短期飞行轨迹多维特征进行预测。试验结果表明:该网络模型预测误差小、预测效果好,可以更加准确地进行航空器的飞行轨迹预测。

论文目录

• 1 基于Hausdorff距离的轨迹模糊C-均值聚类
• 2 BP神经网络的航空器飞行轨迹预测模型
•   2.1 BP神经网络模型结构
•   2.2 航空器飞行轨迹预测模型
• 3 试验分析
•   3.1 数据预处理
•   3.2 航空器飞行轨迹聚类
•   3.3 航空器飞行轨迹预测
• 4 结论

文章来源

类型: 期刊论文

作者: 李楠,强懿耕,焦庆宇,李佳翌,高峥

关键词: 航空运输,飞行轨迹,神经网络,预测

来源: 科学技术与工程 2019年21期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

专业: 安全科学与灾害防治,航空航天科学与工程

单位: 中国民航大学空中交通管理学院,中国民用航空天津空管分局

基金: 国家重点研发项目(2016YFB0502405),天津市大学生创新创业训练计划项目(201910059079)资助

分类号: V328;V355

页码: 330-335

总页数: 6

文件大小: 231K

下载量: 303