基于數(shù)據(jù)挖掘的機(jī)場噪聲預(yù)測(cè)方法的研究.pdf

1、在航空機(jī)場中，機(jī)場噪聲一直是普遍存在的現(xiàn)象。從航空運(yùn)輸公司成立以來，機(jī)場噪聲就一直影響著機(jī)場周邊的環(huán)境?，F(xiàn)在隨著我國的經(jīng)濟(jì)的快速發(fā)展，許多機(jī)場隨之建立，各種大型飛機(jī)開始實(shí)施飛行，機(jī)場噪聲的影響越來越受關(guān)注。目前已有很多較為成熟的機(jī)場噪聲的評(píng)價(jià)預(yù)測(cè)方法，但這些方法缺乏普適性，很多的預(yù)測(cè)方法都是從實(shí)際因素角度進(jìn)行試驗(yàn)來對(duì)機(jī)場噪聲進(jìn)行預(yù)測(cè)，但這些試驗(yàn)需要機(jī)場的一些實(shí)際條件，來回在機(jī)場進(jìn)行模擬不太可能，而且對(duì)于機(jī)場監(jiān)測(cè)的噪聲數(shù)據(jù)，幾乎沒有這方面

2、數(shù)據(jù)的研究，使這部分?jǐn)?shù)據(jù)沒有得到很好的利用?；谏鲜鲈?，通過對(duì)機(jī)場監(jiān)測(cè)點(diǎn)所監(jiān)測(cè)的數(shù)據(jù)進(jìn)行分析，采用時(shí)間序列預(yù)測(cè)的方法，運(yùn)用支持向量回歸算法（SVR），對(duì)監(jiān)測(cè)點(diǎn)數(shù)據(jù)進(jìn)行訓(xùn)練并建立預(yù)測(cè)模型，運(yùn)用預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)，可以得到該監(jiān)測(cè)點(diǎn)未來的發(fā)展趨勢(shì)，這樣有助于結(jié)合已有的模型進(jìn)行更好的噪聲等值線圖的繪制。
　　本文對(duì)機(jī)場噪聲的監(jiān)測(cè)數(shù)據(jù)進(jìn)行時(shí)間序列預(yù)測(cè)，采用的是目前最常用的支持向量回歸的方法，也和人工神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了對(duì)比。在支持向

3、量回歸進(jìn)行時(shí)間序列預(yù)測(cè)的基礎(chǔ)上，在機(jī)場噪聲預(yù)測(cè)應(yīng)用方面，對(duì)此算法進(jìn)行了一定的改進(jìn)，使得它能夠更好的利用在像機(jī)場噪聲這樣的數(shù)據(jù)中。本文主要從支持向量回歸算法在時(shí)間序列預(yù)測(cè)應(yīng)用中的幾個(gè)方面進(jìn)行了深入的研究，包括數(shù)據(jù)的預(yù)處理、加權(quán)的方法以及參數(shù)訓(xùn)練的方法。
　　在運(yùn)用每一個(gè)算法解決實(shí)際問題時(shí)，都要對(duì)數(shù)據(jù)進(jìn)行一定的預(yù)處理，以使得更好的應(yīng)用于該算法。對(duì)支持向量回歸算法的數(shù)據(jù)要經(jīng)過規(guī)范化處理，而在機(jī)場噪聲的數(shù)據(jù)中，又運(yùn)用了平滑法處理過程，這主

4、要是使得數(shù)據(jù)能夠緩和一點(diǎn)，又不消除其趨勢(shì)性，所以針對(duì)具有這樣的數(shù)據(jù)都可以先進(jìn)行一定的平滑處理，然后再規(guī)范化處理去應(yīng)用支持向量回歸算法。
　　加權(quán)的方法在時(shí)間序列預(yù)測(cè)中，是針對(duì)時(shí)間的先后賦予各個(gè)樣本不同的權(quán)值，然后再去進(jìn)行訓(xùn)練預(yù)測(cè)的過程。然而對(duì)于所輸入的數(shù)據(jù)集中，除了各個(gè)樣本的時(shí)間先后之外，還有一些數(shù)據(jù)在構(gòu)造成所要訓(xùn)練的數(shù)據(jù)集時(shí)，樣本本身的屬性之間也有時(shí)間先后之分的，對(duì)于這樣的樣本集合，要對(duì)樣本本身也應(yīng)考慮運(yùn)用加權(quán)的方法。