全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于SSA-CNN的航空器着陆跑道占用时间预测
- 作者： 陈亚青 李颖哲 赵瑞 高浩然 来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： SSA QAR数据 跑道占用时间 跑道容量 CNN模型
- 描述： 国内外相关研究表明，航空器着陆跑道占用时间(aircraft arrive runway occupation time, AROT)是影响机场跑道容量的重要因素，对跑道占用时间的准确预测有利于更准确地评估跑道容量。由于着陆过程的动态性和复杂性，采用注重数据特征提取的卷积神经网络(convolutional neural networks, CNN)对AROT进行预测，针对CNN容易陷入局部最优等缺点，采用麻雀搜索算法(sparrow search algorithm, SSA)对CNN相关参数进行优化。数据采用航空器快速存取记录器(quick access recorder, QAR)的记录作为数据源，涵盖机场数目为34个。根据QAR数据分析AROT影响因素，构建了SSA-CNN预测模型。对QAR数据分析表明AROT与滑行距离、落地气温、跑道入口速度、快速脱离道数量、脱离速度关联性较强，与航空器重量、风速、风向、脱离道角度等影响因素关联性较低。根据影响因素的关联性采用CNN预测模型均方误差为18.35,而优化后的SSA-CNN预测模型均方误差为17.31,预测结果可以为机场评估跑道容量提供参考。