時(shí)間序列分析方法在機(jī)場噪聲預(yù)測中的應(yīng)用研究.pdf

1、中國民航的迅猛發(fā)展令世界矚目，民航在國家綜合交通運(yùn)輸體系中的比重也不斷提升，對(duì)國家經(jīng)濟(jì)、社會(huì)發(fā)展和改革開放做出了新的更大貢獻(xiàn)。但是，不斷新建、擴(kuò)建的機(jī)場和持續(xù)增長的航空運(yùn)輸量，也使得困擾中國民航已久的機(jī)場噪聲問題愈發(fā)嚴(yán)重。為了建設(shè)綠色的現(xiàn)代化民用航空體系，實(shí)現(xiàn)民航業(yè)的持續(xù)健康發(fā)展，迫切需要利用先進(jìn)的信息技術(shù)在監(jiān)測數(shù)據(jù)上進(jìn)行進(jìn)一步的科學(xué)預(yù)測，進(jìn)而為民航相關(guān)部門提供決策支持。因此，將預(yù)測技術(shù)應(yīng)用于實(shí)際噪聲預(yù)測問題中，具有重要的理論研究價(jià)值和

2、實(shí)際意義。
　　支持向量回歸，具有其它以經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原理為基礎(chǔ)的算法難以比擬的優(yōu)越性，同時(shí)，由于其具有算法簡單、不存在局部最小和維數(shù)災(zāi)難問題以及泛化能力強(qiáng)等優(yōu)點(diǎn)，適合于進(jìn)行時(shí)間序列預(yù)測，因此，本文使用的時(shí)間序列預(yù)測方法主要為支持向量回歸。
　　在直接進(jìn)行支持向量回歸的基礎(chǔ)上，考慮分類的思想，將樣本先進(jìn)行分類處理后，在每個(gè)類內(nèi)部再使用支持向量回歸，有效減小樣本差異性，能夠取得較好的效果。而考慮機(jī)場噪聲本身，會(huì)出現(xiàn)分類標(biāo)準(zhǔn)不清

3、晰以及分類數(shù)量無法確定的情況，針對(duì)這種情況，并結(jié)合聚類分析特點(diǎn)，本文提出了聚類再回歸的時(shí)間序列預(yù)測方法。
　　單一聚類容易受初始化狀態(tài)和參數(shù)影響，而聚類效果對(duì)于預(yù)測效果的有較大影響，如果聚類效果不佳，反而會(huì)加大類內(nèi)部樣本差異，從而使回歸時(shí)預(yù)測偏差加大。為了解決單一聚類算法不穩(wěn)定的問題，本文提出了聚類集成后回歸的算法，采用概率模型的關(guān)系矩陣疊加，來對(duì)單一聚類效果進(jìn)行集成。為了驗(yàn)證本文所提出方法的有效性，在常用數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)，并將