首页>
根据【关键词:XGBoost】搜索到相关结果 6 条
-
基于XGBoost算法的终端区进场航空器飞行时间预测
-
作者:
徐文英
王大军
卢朝阳
顾明昕
来源:
北京交通大学学报
年份:
2022
文献类型 :
期刊
关键词:
空中交通管理
进场航空器
XGBoost
飞行时间预测
-
描述:
为了高效调配进离场航空器,得到进离场航空器的最佳排序顺序,采用机器学习的方法对终端区进场航空器的飞行时间进行预测.分析终端区航空器飞行特点和进场航空器飞行时间的影响因素并且提出了影响飞行时间预测的22个重要特征.引入密度聚类DBSCAN方法,聚类得到交通流的不同路径类别.建立了基于集成机器学习算法XGBoost的飞行时间预测模型,以云南昆明终端区为例,对模型进行了训练、验证和测试,并以平均相对误差和均方误差为评价指标来分析预测结果的误差.结果表明:与线性回归、支持向量机回归和人工神经网络方法相比,本文模型对飞行时间的预测结果最好,±5 min内的预测准确率达到95.18%.
-
基于机器学习的民航常旅客流失模型的研究
-
作者:
赵航
来源:
中国民用航空飞行学院
年份:
2021
文献类型 :
学位论文
关键词:
代价敏感算法
XGBoost
粒子群算法
流失预测
-
描述:
基于机器学习的民航常旅客流失模型的研究
-
基于混合仿真的通用航空应急医疗转运实时任务评估
-
作者:
占艳丽
来源:
南京航空航天大学
年份:
2019
文献类型 :
学位论文
关键词:
XGBoost
航空医疗转运
实时任务评估
多主体仿真
系统动力学
-
描述:
基于混合仿真的通用航空应急医疗转运实时任务评估
-
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:
对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与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:
对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与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RSM/XGBoost和KF的航空发动机RUL预测
-
作者:
李东文
王海瑞
朱贵富
刘翠琴
杨修琦
来源:
空军工程大学学报
年份:
2023
文献类型 :
期刊
关键词:
随机搜索算法
航空发动机
XGBoost
卡尔曼滤波
剩余使用寿命
-
描述:
航空发动机精确的剩余使用寿命预测是确保发动机安全服役必须开展的环节。针对复杂工况环境下涡扇发动机的剩余使用寿命预测问题,提出了一种基于极端梯度提升和卡尔曼滤波的寿命预测模型。首先,采用高斯分布对原始振动数据进行分析,提取具有时间序列和退化趋势的特征数据,并为其设置剩余使用寿命(RUL)标签;其次,利用随机搜索算法对融合参数范围进行寻优,在极端梯度提升(XGBoost)中加入卡尔曼滤波器解决预测值不平滑和噪声干扰的问题;最后在商用模块化航空推进系统仿真数据集(C/MAPSSC)上进行了验证和分析,实验结果证明:与其他模型相比,文中采用的寿命预测方法准确度更高。