機場噪聲預測SVR增量模型研究.pdf

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

2、　(1)總結并分析傳統(tǒng)增量過程中冗余數(shù)據(jù)的約減方法，結合信念修正思想，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)的存儲問題，并不斷提高訓練集樣本的質量，從而增強模型的預測精度和魯棒性。
　　(2)提出機場噪聲預測SVR在線增量模型，對采集的數(shù)據(jù)進行實時分析及處理，既可以減少數(shù)據(jù)存儲開銷，又可以及時地根據(jù)新增數(shù)據(jù)信息對模型進行調整，保證模型的預測精度。機場噪聲預測SVR在線增量模型根據(jù)新增樣本的特點判斷是否調整當

3、前的預測模型，通過引入樣本相似性度量來保證訓練樣本的質量，并結合樣本標記的方法和誤差驅動的原則實現(xiàn)對歷史樣本的刪減。
　　(3)針對數(shù)據(jù)分析及處理能力不足以及系統(tǒng)故障導致的實時數(shù)據(jù)累積問題，提出機場噪聲預測SVR批增量模型。該模型拋棄傳統(tǒng)的模型依賴的增量學習算法，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)的特點選擇相應的相似樣本集建立模型進行預測，然后對相似樣本集進行修正，調整當前認知狀態(tài)。同時，提出了相似情形的概念