10.3969/j.issn.1006-9348.2022.07.017
基于相似日PSO-SVM的机场流量预测
机场流量的精准预测是实施航班控制策略、提高航班正常性的重要依据.为准确把握机场流量分布及变化趋势,提出一种基于机场相似日的粒子群优化支持向量机流量预测方法.首先,通过对目标机场在不同天气下的运行情况进行历史数据统计,构建相似度矩阵建立灰色聚类模型对机场相似日进行筛选;其次,采用粒子群优化的支持向量机方法对筛选出的相似日样本进行训练,对机场交通流量进行预测;最后,以广州白云机场的的运行情况为例进行验证.研究结果表明,所提方法较相似日-BP神经网络及传统的PSO-SVM预测方法精度分别提高了 1.03%和5.28%,预测精度较高、稳定性较好,可充分反映交通流的动态变化.
航空运输、航班流量预测、机场、粒子群优化、支持向量机、相似日
39
U8(航空运输)
国家重点基础研究发展计划(973计划);中央高校基本科研业务经费专项资金项目
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
86-90,123