论文部分内容阅读
为了缓解机场噪声监测系统中监测点故障期间出现的数据缺失问题,研究了一种基于深度信念网络的机场噪声数据恢复方法,主要应用于机场噪声监测系统中监测点故障期间出现的数据缺失问题。根据故障节点自身的历史时序数据和其高相似度的监测节点的实时数据提取缺失数据的时空相关性。将融合后的数据输入到深度信念网络中提取隐含层特征。通过单层的神经网络预测得到缺失数据的补全值。在机场的噪声数据集中进行的实验表明,所提出的方法相较于传统的数据修复方法具有更高的精度。此外,筛选高相似度的监测节点可以进一步提高补全效果。