機(jī)場噪聲預(yù)測SVR增量模型研究.pdf

1、隨著民航事業(yè)的持續(xù)發(fā)展，航空運(yùn)輸在給人們帶來便捷和繁榮的同時(shí)，也帶來了一系列的環(huán)境問題，而機(jī)場噪聲污染問題尤為嚴(yán)重。為了更好地安排航班班次，合理地規(guī)劃機(jī)場布局，有效地防治噪聲污染，需要掌握機(jī)場噪聲的動(dòng)態(tài)變化規(guī)律并進(jìn)行機(jī)場噪聲預(yù)測?，F(xiàn)存的機(jī)場噪聲預(yù)測方法中大多數(shù)缺乏學(xué)習(xí)能力和推廣性，得到的模型無法隨著機(jī)場實(shí)時(shí)數(shù)據(jù)而進(jìn)行修正和優(yōu)化，所以預(yù)測精度的很難提高。為解決這些問題，需要對(duì)機(jī)場噪聲增量學(xué)習(xí)預(yù)測模型進(jìn)行研究。本文的主要工作如下：
　

2、　(1)總結(jié)并分析傳統(tǒng)增量過程中冗余數(shù)據(jù)的約減方法，結(jié)合信念修正思想，提出基于AGM理論的冗余數(shù)據(jù)約減方法，旨在解決海量高維噪聲數(shù)據(jù)的存儲(chǔ)問題，并不斷提高訓(xùn)練集樣本的質(zhì)量，從而增強(qiáng)模型的預(yù)測精度和魯棒性。
　　(2)提出機(jī)場噪聲預(yù)測SVR在線增量模型，對(duì)采集的數(shù)據(jù)進(jìn)行實(shí)時(shí)分析及處理，既可以減少數(shù)據(jù)存儲(chǔ)開銷，又可以及時(shí)地根據(jù)新增數(shù)據(jù)信息對(duì)模型進(jìn)行調(diào)整，保證模型的預(yù)測精度。機(jī)場噪聲預(yù)測SVR在線增量模型根據(jù)新增樣本的特點(diǎn)判斷是否調(diào)整當(dāng)

3、前的預(yù)測模型，通過引入樣本相似性度量來保證訓(xùn)練樣本的質(zhì)量，并結(jié)合樣本標(biāo)記的方法和誤差驅(qū)動(dòng)的原則實(shí)現(xiàn)對(duì)歷史樣本的刪減。
　　(3)針對(duì)數(shù)據(jù)分析及處理能力不足以及系統(tǒng)故障導(dǎo)致的實(shí)時(shí)數(shù)據(jù)累積問題，提出機(jī)場噪聲預(yù)測SVR批增量模型。該模型拋棄傳統(tǒng)的模型依賴的增量學(xué)習(xí)算法，從歷史樣本信息中提取相似樣本集，根據(jù)相似樣本集和新增數(shù)據(jù)的特點(diǎn)選擇相應(yīng)的相似樣本集建立模型進(jìn)行預(yù)測，然后對(duì)相似樣本集進(jìn)行修正，調(diào)整當(dāng)前認(rèn)知狀態(tài)。同時(shí)，提出了相似情形的概念