典型文献
基于长短期记忆网络与支持向量回归的空中交通流量预测研究
文献摘要：
由于航空运输的高速发展,空中交通流量日益增大,空中交通流量预测难度不断增加.为提高空中交通流量预测的精确度,通过运用支持向量回归(SVR)和长短期记忆网络(LSTM)2种方式对广播式自动相关监视(ADS-B)数据进行处理.结果表明,LSTM预测方法对交通流误差有较好的控制,具有较好的预测精度.SVR模型和LSTM模型都能很好地捕捉非线性特征与交通流之间的内在关系.发现航路点流量时间序列曲线的趋势性越明显,预测曲线的拟合度越高;时间序列曲线的波动幅度越大,预测曲线拟合度越差.LSTM预测方法的均方根误差为2.56,SVR预测方法的均方根误差为3.59,航路点流量时间序列趋势的明显性直接影响模型的预测精准度.
文献关键词：
空中交通流量预测;ADS-B技术;LSTM;SVR;流量统计
中图分类号：
作者姓名：
王佳旭;那容菲;何雨霖;严子阳;强旭泽;郑浩楠;张召悦
作者机构：
中国民航大学,天津 300300
文献出处：
引用格式：
[1]王佳旭;那容菲;何雨霖;严子阳;强旭泽;郑浩楠;张召悦-.基于长短期记忆网络与支持向量回归的空中交通流量预测研究)[J].科技创新与应用,2022(31):54-57
A类：
空中交通流量预测
B类：
长短期记忆网络,支持向量回归,预测研究,航空运输,SVR,广播式自动相关监视,ADS,非线性特征,内在关系,航路点,趋势性,拟合度,波动幅度,曲线拟合,影响模型,流量统计
AB值：
0.134416
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。
