基于VMD-LSSVM的扇区流量短期预测 |
| |
引用本文: | 王飞,孙鹏飞.基于VMD-LSSVM的扇区流量短期预测[J].南京航空航天大学学报,2023(6):1033-1043. |
| |
作者姓名: | 王飞 孙鹏飞 |
| |
作者单位: | 1. 中国民航大学空中交通管理学院;2. 北京蓝天航空科技股份有限公司 |
| |
基金项目: | 中央高校基本科研业务费专项资金项目(3122019129); |
| |
摘 要: | 对扇区流量进行短期预测,是精准实施扇区流量优化和管理措施的前提。基于分解集成预测方法论,建立了变分模态分解-最小二乘支持向量机(Vibrational mode decomposition-least square support vector machines,VMD-LSSVM)预测模型。首先,应用变分模态分解(Vibrational mode decomposition,VMD)方法将扇区流量时序数据分解为若干个模态;然后,使用最小二乘支持向量机(Least square support vector machines,LSSVM)模型分别对模态进行预测;接着,对模态的预测结果进行加和集成,得到了最终的预测值。算例计算结果显示,针对60 min统计尺度流量时间序列,VMD-LSSVM模型在1~6 h的均等系数(Equal coefficient, EC)值为0.97,在7~12 h的EC值为0.94;与差分自回归滑动平均模型(Autoregressive integrated moving average model,ARIMA),反向传播(Back propagation,BP...
|
关 键 词: | 航空运输 空中交通流量管理 流量短期预测 变分模态分解 最小二乘支持向量机 |
|
|