-
题名基于LSTM的航空公司能耗序列预测
被引量：6
- 1
-
-
作者
刘家学
沈贵宾
-
机构
中国民航大学电子信息与自动化学院
-
出处
《计算机应用与软件》
北大核心
2019年第10期60-65,共6页
-
基金
民航局科技基金项目(MHRD201121)
民航局节能减排专项计划项目(DPDSR0010)
-
文摘
为提高航空公司能耗的预测精度,针对能耗数据的复杂非线性时序特性,提出一种基于长短时记忆网络(LSTM)的时间窗滑动航空公司能耗预估模型。该方法对能耗时序数据进行预处理,消除能耗时序数据的季节性趋势;依据滑动时间窗将数据转换成监督型数据,构建基于LSTM的模型来实现航空公司能耗预测,并利用网格搜索算法进行参数优选。实验结果表明,该模型预测精度优于传统ARMA模型、SVR模型,验证了其可行性。
-
关键词
航空公司能耗
LSTM
网格搜索
时间窗
时间序列预测
-
Keywords
Airline energy consumption
LSTM
Grid-Search
time window
time series prediction
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名基于B-ELM的通航事故预测
- 2
-
-
作者
常健
-
机构
中国电子科技集团公司第二十八研究所
-
出处
《电子质量》
2023年第2期9-13,共5页
-
文摘
高水平的航空安全始终是航空业追求的目标。为了满足未来通航业风险分析和优化的需求,基于美国国家运输安全委员会(NTSB)航空事故数据库近11年的数据,建立了基于极限学习机的小样本事故数据预测模型,并通过实验对比了普通增量式极限学习机模型及传统的小样本数据预测GM(1,1)模型。实验结果证明提出的分析方法和模型在通航业小样本数据集的输入情况下有较高的准确率,能够为行业安全发展起到一定的指导意义。
-
关键词
通航事故分析
航空事故预测
小样本预测
时间窗序列预测
极限学习机
双向增量极限学习机
-
Keywords
general aviation accident analysis
aviation accident prediction
small sample prediction
time window series prediction
extreme learning machine
bidirectional incremental limit learning machine
-
分类号
X949
[环境科学与工程—安全科学]
-
