首页>
根据【关键词:机器学习,工作负荷,生理信号,深度学习,航空安全】搜索到相关结果 4 条
-
基于XGBoost的航空器动态滑行时间预测方法研究
-
作者:
赵征
冯事成
宋梅雯
胡莉
陆莎
来源:
航空工程进展
年份:
2022
文献类型 :
期刊
关键词:
机器学习
XGBoost
动态滑行时间
航空运输
样本量
-
描述:
滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。
-
基于XGBoost的航空器动态滑行时间预测方法研究
-
作者:
赵征
冯事成
宋梅雯
胡莉
陆莎
来源:
航空工程进展
年份:
2022
文献类型 :
期刊
关键词:
机器学习
XGBoost
动态滑行时间
航空运输
样本量
-
描述:
滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。
-
基于XGBoost的航空器动态滑行时间预测方法研究
-
作者:
赵征
冯事成
宋梅雯
胡莉
陆莎
来源:
航空工程进展
年份:
2022
文献类型 :
期刊
关键词:
机器学习
XGBoost
动态滑行时间
航空运输
样本量
-
描述:
滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。
-
基于XGBoost的航空器动态滑行时间预测方法研究
-
作者:
赵征
冯事成
宋梅雯
胡莉
陆莎
来源:
航空工程进展
年份:
2022
文献类型 :
期刊
关键词:
机器学习
XGBoost
动态滑行时间
航空运输
样本量
-
描述:
滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。