论文部分内容阅读
中国民航的迅猛发展令世界瞩目,民航在国家综合交通运输体系中的比重也不断提升,对国家经济、社会发展和改革开放做出了新的更大贡献。但是,不断新建、扩建的机场和持续增长的航空运输量,也使得困扰中国民航已久的机场噪声问题愈发严重。为了建设绿色的现代化民用航空体系,实现民航业的持续健康发展,迫切需要利用先进的信息技术在监测数据上进行进一步的科学预测,进而为民航相关部门提供决策支持。因此,将预测技术应用于实际噪声预测问题中,具有重要的理论研究价值和实际意义。支持向量回归,具有其它以经验风险最小化原理为基础的算法难以比拟的优越性,同时,由于其具有算法简单、不存在局部最小和维数灾难问题以及泛化能力强等优点,适合于进行时间序列预测,因此,本文使用的时间序列预测方法主要为支持向量回归。在直接进行支持向量回归的基础上,考虑分类的思想,将样本先进行分类处理后,在每个类内部再使用支持向量回归,有效减小样本差异性,能够取得较好的效果。而考虑机场噪声本身,会出现分类标准不清晰以及分类数量无法确定的情况,针对这种情况,并结合聚类分析特点,本文提出了聚类再回归的时间序列预测方法。单一聚类容易受初始化状态和参数影响,而聚类效果对于预测效果的有较大影响,如果聚类效果不佳,反而会加大类内部样本差异,从而使回归时预测偏差加大。为了解决单一聚类算法不稳定的问题,本文提出了聚类集成后回归的算法,采用概率模型的关系矩阵叠加,来对单一聚类效果进行集成。为了验证本文所提出方法的有效性,在常用数据集上进行了实验,并将其应用到机场噪声时间序列预测中。