典型文献
冰雪天气下基于MFOA-KELM残差修正的跑道温度混合预测
文献摘要：
道面温度短时精准预测是跑道积冰预警的关键因素之一,为了解决单一机理预测模型随预测时间延长而造成误差累积的问题,提出了一种冰雪天气下跑道温度混合预测方法.将跑道温度机理预测模型与核极限学习机(KELM)相结合,建立一种数据驱动修正残差的跑道温度机理预测模型.针对果蝇优化算法(FOA)收敛速度慢、易陷入局部最小值的问题,引入权值更新函数和距离扩充因子,调整果蝇的全局寻优效果,避免陷入局部极小值.利用改进的果蝇优化算法(MFOA)对KELM的正则化参数与核参数联合优化,以冰雪天气下跑道温度实际数据为例,建立基于改进果蝇优化核极限学习机(MFOA-KELM)的跑道温度混合预测模型,并在不同时间尺度下对该混合预测模型进行仿真测试.实验结果表明:与单一机理预测模型相比,当预测时长为120 min时,MFOA-KELM混合预测模型的平均绝对误差至少减小了61.43％,在残差阈值为 ±0.5℃时,平均预测准确率为91.25％.可见,MFOA-KELM混合预测模型具有更高的预测准确性,研究结论显示该混合预测方法能够为机场跑道温度短时精准预测提供新思路.
文献关键词：
混合建模;核极限学习机;改进果蝇算法;跑道温度;预测
中图分类号：
作者姓名：
陈斌;刘悦;李庆真;丁宇;王立文
作者机构：
中国民航大学 电子信息与自动化学院, 天津 300300;中国民航大学 航空地面特种设备研究基地, 天津 300300
文献出处：
引用格式：
[1]陈斌;刘悦;李庆真;丁宇;王立文-.冰雪天气下基于MFOA-KELM残差修正的跑道温度混合预测)[J].北京航空航天大学学报,2022(11):2153-2164
A类：
B类：
冰雪天气,MFOA,KELM,残差修正,跑道温度,道面,精准预测,积冰预警,误差累积,核极限学习机,果蝇优化算法,收敛速度,速度慢,局部最小值,权值,更新函数,全局寻优,优效,局部极小值,正则化参数,核参数,数联,联合优化,实际数据,混合预测模型,不同时间尺度,仿真测试,平均绝对误差,残差阈值,预测准确率,预测准确性,机场跑道,混合建模,改进果蝇算法
AB值：
0.252925
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
