-
题名考虑天气因素影响的离港航班滑出时间预测
- 1
-
-
作者
夏正洪
王楚皓
方鹏越
-
机构
中国民用航空飞行学院空中交通管理学院
-
出处
《科学技术与工程》
北大核心
2023年第27期11892-11899,共8页
-
基金
四川省科技计划(2022YFG0196)
中国民用航空飞行学院基本科研项目(J2023-046)。
-
文摘
针对现有滑出时间预测研究成果未考虑天气因素影响的问题,基于航空例行天气报告(meteorological terminal aviation routine weather report,METAR),构建了考虑天气因素的离港航班滑出时间预测模型。首先,通过分析航空器场面运行态势,厘清了进离港航班滑行过程的时空交叠关系,重新定义了滑出时间的影响因素,并分别阐述了航班运行数据和气象数据的分析流程。基于相关性分析结果构建了滑出时间的反向传播(back propagation,BP)神经网络预测模型,并采用蝗虫优化算法(grasshopper optimization algorithm,GOA)对模型进行优化。以深圳宝安机场2周的实际运行数据对模型进行了验证,结果表明:(1)天气因素是滑出时间的主要影响因素之一,引入量化后的天气因素可显著提升滑出时间预测结果;(2)重新定义的同时段推出及滑行的进离港航班数量、进离港队列的概念和数据样本更加精准,相关性分析结果更加客观;(3)基于GOA-BP的滑出时间预测结果精度有明显提升,平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)分别减少了11.40 s、12.62 s,平均绝对百分比误差(mean absolute percentage error,MAPE)提升了0.37%;±3 min和±5 min的准确率分别高达81%和94%。
-
关键词
天气因素
滑出时间预测
航空例行天气报告(metar)
反向传播(BP)神经网络
蝗虫优化算法(GOA)
-
Keywords
weather factor
taxi-out time prediction
meteorological terminal aviation routine weather report(metar)
back propagation(BP)neural network
grasshopper optimization algorithm(GOA)
-
分类号
V355.1
[航空宇航科学与技术—人机与环境工程]
-
