版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著我國航空運輸業(yè)的快速發(fā)展,空中交通流量的增長勢頭迅猛。為解決目前出現(xiàn)的航空運輸系統(tǒng)效率低以及大面積航班延誤等問題,實施科學的空中交通流量管理手段勢在必行。四維航跡預測技術是空中交通流量管理的關鍵技術之一,也是空管自動化系統(tǒng)發(fā)展的核心技術,因此,探究精確的航跡預測技術是目前要研究的重點。隨著空管系統(tǒng)大數(shù)據(jù)時代來臨,空中交通運行環(huán)境日趨復雜,相關表征數(shù)據(jù)呈海量劇增、多源異構、高度復雜等特點,如何從中提取有用信息,精細描述空中飛行交通態(tài)勢
2、,深度認知交通流組織模式和演變規(guī)律,并將之有效用于航跡預分析等關鍵技術也是目前亟待解決的問題。
本文圍繞上述問題提出了一種基于數(shù)據(jù)挖掘的四維航跡精密預測算法,算法基本思想是通過對大量歷史飛行數(shù)據(jù)的挖掘分析,建立預測模型,預測時,選擇與當前輸入條件最匹配的歷史飛行軌跡作為四維航跡輸出,由于歷史軌跡為真實飛行軌跡并且采樣頻率(20秒左右)較高,相較于只輸出以飛行定位點序列為基礎的四維航跡預測,更為細致、真實,本文稱這種航跡預測為精
3、密航跡預測。本文首先對四維航跡預測的研究現(xiàn)狀和預測算法分類進行了總結;隨后提出了一種基于譜聚類的歷史軌跡分析方法,并在此基礎上利用時空數(shù)據(jù)管理中頻繁路徑樹、R樹等方法建立了一種針對飛行歷史軌跡的FPR-Tree索引;接著,對在FPR-Tree中檢索k近鄰軌跡的方法進行了討論;最后,本文提出了一種基于FPR-Tree的四維航跡預測方法,對算法過程和輸入?yún)?shù)進行了詳細的闡述,并使用中南地區(qū)的真實歷史飛行數(shù)據(jù)和航空運輸網(wǎng)絡數(shù)據(jù),對算法進行了測
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于四維航跡預測的沖突探測.pdf
- 生物啟發(fā)的多無人機協(xié)同四維航跡規(guī)劃方法研究.pdf
- 基于數(shù)據(jù)挖掘方法的股票預測系統(tǒng).pdf
- 基于數(shù)據(jù)挖掘的機場噪聲預測方法的研究.pdf
- 基于數(shù)據(jù)挖掘的短期負荷預測方法研究.pdf
- 基于數(shù)據(jù)挖掘的軟件缺陷數(shù)據(jù)預測方法研究.pdf
- 時間序列數(shù)據(jù)挖掘中的維數(shù)約簡與預測方法研究.pdf
- 基于數(shù)據(jù)挖掘的煤礦瓦斯事故預測方法研究.pdf
- 基于數(shù)據(jù)挖掘的移動網(wǎng)絡投訴預測方法研究.pdf
- 基于數(shù)據(jù)挖掘技術的瓦斯涌出量預測方法研究.pdf
- 基于數(shù)據(jù)挖掘的移動網(wǎng)絡投訴預測方法研究
- 基于數(shù)據(jù)挖掘的股票預測研究.pdf
- 基于數(shù)據(jù)挖掘的銷售預測研究.pdf
- 22115.基于過程的四維風暴數(shù)據(jù)場時空模型
- 基于數(shù)據(jù)挖掘的飛機故障預測模型及方法的研究.pdf
- 基于失衡數(shù)據(jù)挖掘的藥物靶點預測方法研究.pdf
- 基于海量數(shù)據(jù)挖掘的知識學習效果預測方法研究.pdf
- 基于四維功能導向的政府負債會計研究.pdf
- 基于數(shù)據(jù)挖掘的中藥材價格預測方法的研究.pdf
- 基于BP神經(jīng)網(wǎng)絡的AUV航跡預測方法研究.pdf
評論
0/150
提交評論