基于机器学习的航班静态四维轨迹预测研究
提出一种基于机器学习的方法预测航班飞行前的静态四维轨迹,较已有的运动学和动力学预测方法结果精确、稳定.该方法在真实历史监视数据的基础上运用隐马尔科夫模型对航空器飞行过程中位置和高度状态转移建模.在经纬度平面上以网格化地图为观测值、关键点航段位置为隐状态建模;在高度方向上以固定高度间隔为观测值、标准飞行高度层为隐状态建模.在运用EM算法学习到预测模型最优参数之后对航班经过各关键点的时间和高度进行预测,为航班管理提供有力的辅助支撑.通过数据仿真实验表明,采用本文提出的算法计算得到的结果较传统的运动学和动力学预测方法具有更高的精度和稳定性.
四维轨迹预测、机器学习、历史监视数据、隐马尔科夫模型
43
V355;TP391(航空港(站)、机场及其技术管理)
四川省科技计划资助项目;国家自然科学基金
2022-06-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
147-151