基于選擇性集成的機(jī)場噪聲預(yù)測模型研究.pdf

1、機(jī)場噪聲的預(yù)測是根據(jù)影響機(jī)場噪聲的因素計算某種條件下噪聲值大小的過程，合理、精確地對機(jī)場噪聲進(jìn)行預(yù)測能夠有效地分析某種特定條件下機(jī)場的噪聲分布情況，并為機(jī)場相關(guān)部門進(jìn)行噪聲的控制和新機(jī)場的修建提供有效途徑，因此機(jī)場噪聲的預(yù)測是機(jī)場噪聲與運(yùn)行系統(tǒng)的重要部分。目前國內(nèi)各機(jī)場普遍使用INM、NoiseMap等噪聲計算軟件來進(jìn)行噪聲預(yù)測，而且多數(shù)建立在經(jīng)驗數(shù)學(xué)計算模型上，不具有學(xué)習(xí)能力，誤差較大。基于此，論文主要從機(jī)器學(xué)習(xí)方面研究機(jī)場噪聲預(yù)測方

2、法。
　　論文首先介紹了國內(nèi)外機(jī)場噪聲預(yù)測的相關(guān)研究工作以及部分國家的機(jī)場噪聲評價指標(biāo)，并在INM、NoiseMap等噪聲計算軟件的基礎(chǔ)上對機(jī)場噪聲影響因素進(jìn)行分析，為論文的預(yù)測工作提供數(shù)據(jù)基礎(chǔ)。在對人工神經(jīng)網(wǎng)絡(luò)算法(BP算法)和支持向量回歸機(jī)(SVR)等主要機(jī)器學(xué)習(xí)回歸預(yù)測算法進(jìn)行介紹的基礎(chǔ)上，論文通過比較機(jī)器學(xué)習(xí)主要回歸預(yù)測算法在噪聲數(shù)據(jù)上的預(yù)測性能，選擇SVR預(yù)測模型作為基礎(chǔ)預(yù)測模型，提出了基于Adaboost集成SVR的機(jī)