专利名称：一种聚类再回归的机场噪声单步预测方法
技术领域：
本发明涉及一种机场噪声在时间序列的单步预测方法，属于机场噪声预测领域。
背景技术：
随着我国航空事业的不断发展，机场噪声问题日益突出。近年来，越来越多因机场噪声引起的环境纠纷已成为航空业不可回避的棘手问题，如作为全国枢纽之一的北京首都国际机场，其噪声污染一直以来难以解决。机场噪声问题是一个严重的社会问题，它不仅限制了机场本身的发展，也给机场周围人群的生活、学习和工作带来很大的影响。由于国内对机场噪声的预测理论、预测方法缺乏研究，我国目前对机场噪声的预测都是依靠国外的经验及方法(如美国联邦航空局FAA提出的I匪)，还没有形成统一的计算和预测方法。而现有的噪声预测方法需要基于比较复杂的假设，机场的环境条件也千差万别，计算模型难以考虑周全，如:Asensio C.等人指出 !无法考虑飞机滑行的问题，存在预测偏差，Yingjie Yang等人指出INM软件中的模型在某些情况下不能提供预期的接近真实环境的飞机噪声预测结果。传统的机场噪声预测主要是利用实际数据根据噪声评估标准以及噪声计算公式得到，误差较大，且不利于对未来机场噪声状况的预测。文献《基于SVM的先分类再回归方法及其在产量预测中的应用》提出了一种基于SVM的先分类再回归计算方法，经验证，与直接回归相比，预测效果有很大改进。不过对于分类界限不明确的情况，采用先分类的方法明显存在有局限性。
发明内容
本发明针对现有技术存在的不足，而提出一种聚类再回归的机场噪声单步预测方法，以满足机场噪声预测的需求。
该机场噪声单步预测方法包括如下步骤:步骤1:对机场实测噪声数据进行预处理，提取出实测噪声数据的时间序列(X，Y)，其中X为已知的噪声时间序列，Y为待预测的噪声时间序列样本；步骤2:采用聚类划分方法，将噪声时间序列训练集S聚类为k个类；其中:(S1=XJtS1- ,-0 , 和 j 为 S 聚类后的类编号，i, j=l, 2,..., k, i j ；
^=I步骤3:根据步骤2的聚类结果，确定待预测的噪声时间序列样本的所属类别；步骤4:根据步骤3确定的类别，用噪声时间序列训练集S中属于同一类别的所有样本训练回归模型，再利用该回归模型对待预测的噪声时间序列样本进行回归预测。技术效果:1、相对于先分类的方法，克服了对机场噪声存在分类界限不明确和无标准的问题。2、与传统的根据噪声评估标准以及噪声计算公式的预测方法相比，有效提高了预测精度和预测的稳定性。
3、与绘制等值线的预测方法相比，大大降低了预测成本，增强了机场噪声预测的实用性。
图1为本发明方法的预测流程图。
具体实施例方式下面对本发明作进一步说明。本发明机场噪声单步预测方法的流程如图1所示，主要包括如下步骤:步骤1:对机场实测噪声数据进行预处理，根据常用时间序列提取方法，提取出实测噪声数据的时间序列(X，Y)，其中X为已知的噪声时间序列，X=Ix1, X2,..., XnI, Y为待预测的噪声时间序列样本。实测噪声数据为单个监测点每秒采集I个噪声值构成的时间序列。本发明取每天连续3小时的噪声数据，以每10分钟噪声数据求平均值，组成18维输入向量X，以上述3小时后10分钟的噪声平均值作为输出值Y。 步骤2:采用聚类划分方法，将噪声时间序列训练集S聚类为k个类，所述训练集S由除待预测的噪声时间序列样本外的所有样本组成；其中:
权利要求
1.一种聚类再回归的机场噪声单步预测方法，其特征在于包括如下步骤: 步骤1:对机场实测噪声数据进行预处理，提取出实测噪声数据的时间序列(x，Y)，其中X为已知的噪声时间序列，Y为待预测的噪声时间序列样本； 步骤2:采用聚类划分方法，将噪声时间序列训练集S聚类为k个类； 其中:S
2.根据权利要求1所述的聚类再回归的机场噪声单步预测方法，其特征在于:所述步骤3又包括如下步骤: 步骤3.1:分别计算噪声时间序列训练集S每一类的类中心Ci:
全文摘要
本发明公开了一种聚类再回归的机场噪声单步预测方法，属于机场噪声预测领域。该方法先对机场实测噪声数据进行预处理，提取出实测噪声数据的时间序列(X,Y)，X为已知的噪声时间序列，Y为待预测的噪声时序样本，然后采用聚类划分方法，将噪声时序训练集S聚类为k个类，根据该聚类结果，确定待预测的噪声时序样本的所属类别，最后根据该类别，用训练集S中属于同一类别的所有样本训练回归模型，利用该回归模型对待预测的噪声时序样本进行回归预测。本方法提高了预测的精度和稳定性，预测成本低，实用性强。
文档编号G06F19/00GK103218516SQ201310093658
公开日2013年7月24日 申请日期2013年3月22日 优先权日2013年3月22日
发明者夏利, 王建东, 张霞 申请人:南京航空航天大学