基于BP神经网络的机场能见度预测

摘要：

社会经济的不断发展,使得人们对于出行地需求与日俱增,而天气能见度(VIS)的高低直接影响着人们出行的能力和体验感,尤其是高速公路、航海以及航空运输在能见度低的情况下运行常常会导致发生一系列不必要的损失甚至危及人身安全.能见度是交通运输和气象中的一项重要指标,在民航业的机场终端区,能见度高于400m但仍然不满足安全起降要求,会导致航班延误,而当能见度降低到400m则会禁止航班起降,于是机场就必须采用流控措施甚至关闭跑道.赵文芳等使用卷积神经网络与长短时记忆网络相结合的方法对PM2.5的浓度进行预测,并与支持向量机和业务中的预报模型进行对比,结果显示该模型具有较高的精度和泛化能力;Ryerson等通过NWP模型与原始的WRF对比,并引入一些统计后处理方法,从集合中获得了熟练的可见性预测.由此可见,对于能见度的预测与评估是一项亟待解决的问题,既能提升飞行安全,也能提高终端区进离场航空器的运行效率,从而提高空域利用效率.

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：39-41,44