期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多源数据融合和深度学习的飞行轨迹预测与异常检测方法
1
作者 徐英康 王杰 +3 位作者 李振星 周丽平 张愧松 孙仁诚 《青岛大学学报(工程技术版)》 2025年第1期32-40,63,共10页
针对当前飞行轨迹预测与异常检测大多依赖历史轨迹数据,未充分考虑气象条件及空域管制等外部因素,导致预测精度不足和异常检测能力的问题,本文提出了一种结合卷积神经网络(Convolutional Neural Network,CNN)、双向长短期记忆网络(Bidir... 针对当前飞行轨迹预测与异常检测大多依赖历史轨迹数据,未充分考虑气象条件及空域管制等外部因素,导致预测精度不足和异常检测能力的问题,本文提出了一种结合卷积神经网络(Convolutional Neural Network,CNN)、双向长短期记忆网络(Bidirectional Long Short-Term Memory,Bi-LSTM)和Transformer的飞行轨迹预测方法,即CBT-Net(CNN-BiLSTM-Transformer Network)。利用ADS-B轨迹数据,融合气象信息及空域管制数据,构建多源数据驱动的轨迹预测模型,并通过3σ统计误差分析与自监督学习结合图神经网络进行异常检测优化。实验结果表明,Bi-LSTM在短期轨迹预测中表现最佳,Transformer在长时间跨度的预测任务中优于传统线性回归模型。结合图神经网络(Graph Neural Network,GNN)的自监督学习方法在异常检测中识别能力较高,能够有效检测轨迹偏离、异常爬升/下降、速度突变等异常行为,为智能空管、无人机交通管理和航空安全监控提供技术支持。 展开更多
关键词 飞行轨迹预测 异常检测 深度学习 人工智能 时空数据融合
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部