基于无迹卡尔曼滤波的飞行航迹预测方法研究

为了解决现有的航迹预测方法预测精度和稳定性不足的问题,在已有的历史航迹数据的基础上,提出一种基于无迹卡尔曼滤波的飞行航迹预测模型.根据已知航班的部分航迹点构建航空器运动观测方程和状态方程,并通过无迹卡尔曼滤波完成航迹预测,面向所得数据和原始数据展开误差比较分析,检验算法及预测过程准确性.研究结果表明,通过上述算法进行飞...     

基于改进多元非线性回归模型的云计算负载预测

云计算是目前信息技术领域炙手可热的资源共享技术,然而云计算领域的用户负载预测一直是一个难题,精准的用户负载预测能极大地提高资源使用率.本文基于数据挖掘的理论和方法,针对阿里云的用户负载数据进行研究,经过数据收集、预处理和建模分析三个部分,探索了一元线性回归、带周期性的非线性回归等多组模型,通过不断优化模型,预测性能也得...     

基于泛函网络的非线性回归预测模型及学习算法

在非线性回归预测中,预测函数的拟合是其难点和关键,直接影响预测精度。当系统非线性较强时,传统方法不易于处理,拟合和预测结果不理想。泛函网络是最近提出的一种对神经网络的有效推广,在处理非线性问题时有一定的优势。为此提出了基于泛函网络的非线性回归预测模型和相应的学习算法。并分别就一元非线性回归预测和多元非线性回归预测给出了相应的实例。计算机仿真结果表明,泛函网络预测模型拟合度和预测精度都明显高于某些传统的方法,有较好的理论和应用价值。     

基于改进卡尔曼滤波的控制河段船舶航迹预测

由于船舶自动识别系统(AIS)设备存在信息缺失现象,导致基于AIS的智能辅助指挥系统无法准确判断船舶位置,难以准确揭示通行信号。同时,控制河段具有航道狭窄弯曲等特征,传统卡尔曼滤波算法无法准确预测运动船舶的航迹。针对以上问题,对卡尔曼滤波算法中的系统噪声进行实时估计,以提高船舶航迹的预测精度,并对传统卡尔曼滤波和改进卡尔曼滤波的跟踪效果进行了仿真分析。结果表明,所提算法可有效解决AIS设备信息缺失问题,准确预测船舶位置,保证控制河段智能辅助指挥系统信号揭示的准确性和可靠性。     

基于回归神经网络的非线性时变系统辨识

为克服基于前馈神经网络的非线性系统辨识算法存在需预先估计系统输入输出滞后阶数的缺陷，提出一种基于回归神经网络的非线性时变系统的辨识算法，针对现有的回归网络学习算法大多采用梯度算法，收敛速度缓慢问题，提出一种具有快速收敛性的扩展卡尔曼滤波学习算法，大大提高了学习收敛速度，并推导了一种基于单个神经元的局部化算法，减少了计算量，仿真实例证明，所提出的算法是有效的。     

基于航迹预测的飞行冲突探测

基于飞行器飞行途中的随机影响及观测仪器的误差影响,给出了常速模型的冲突探测模型。重点讨论2架飞行器靠近飞行的情况,采用卡尔曼滤波理论,预测2架飞行器的相对航迹。然后依据相对航迹,计算2架飞行器在各时刻的距离。最后根据冲突条件判断冲突是否存在。该方法不仅从模型上保证了更接近飞行器的实际飞行情况,而且计算机仿真结果表明该方法能有效地进行冲突探测。     

基于AdaBoost回归树的多目标预测算法

预测问题通常涉及相同的输入变量同时预测多个目标变量。当目标变量为二进制时,预测任务被称为多标签分类;当目标变量为实值时,预测任务称为多目标预测。本文提出2种新的多目标回归方法：多目标堆叠(Multi-Target Stacking, MTS)和集成回归链(Ensemble of Regressor Chains, ERC)。灵感来自2种流行的多标签分类方法。MTS和ERC在第一阶段的训练,都将采用基于回归树AdaBoost算法(ART)建立的单目标预测(Single-Target Prediction)模型作为基准方法;在第二阶段的训练,MTS和ERC都通过额外加入第一阶段的目标预测值作为输入变量来扩展第二阶段的输入变量空间,以此建立多目标预测模型。这2种方法都利用目标变量之间的关系,不同的是,ERC除了考虑目标的依赖性关系外还考虑了目标的顺序问题。此外,总结了MTS和ERC这2种方法的缺点,并且对算法进行修改,提出了相应的改进版本MTS Corrected(MTSC)和ERC Corrected(ERCC)。实验结果表明,修改后的回归链ART-ERCC算法在多目标预测问题中表现最好。     

基于差分方向分解图的航迹滤波算法研究磁

为了提高雷达目标航迹质量,达到航迹平滑,减小误差的目的。论文提出一种基于差分方向分解图的滤波算法,该算法通过增加冗余,将航迹点时间差分矢量投影到多个固定方向上,针对向量矩阵进行滤波处理,通过多维向量相关性分析达到减少误差的作用,最后通过解超定方程建立新的目标航迹。实验表明,该算法具有一定的优势。     

基于改进卡尔曼滤波的四维飞行航迹预测模型

为解决空气动力学模型在四维飞行航迹预测中存在的参数过多、预测精度偏低等问题,提出了一种对预测模型中的系统噪声进行实时估计的改进卡尔曼滤波（IKF)算法。首先,对雷达数据进行处理,根据航空器飞行中航向、航速进行速度转换;然后,采用传统卡尔曼滤波(KF)算法和IKF算法分别建立航迹预测模型;最后通过同一实例计算,比较两种算法在X、Y、Z方向上的预测偏差,取偏差小者为优。实验结果表明：IKF算法在X、Y方向上的预测偏差比KF算法分别降低了17.65%和98.03%,而Z方向上采用KF算法有较小的预测偏差。此外,针对IKF算法进行不同时间间隔的预测分析,在进场飞行程序的保护区宽度(9.46km)范围内,预测间隔可以增大至20s。     

基于可信度的航迹融合

本文提出了一种基于可信度的数据融合的航迹处理方法。该方法基于各雷达提供的信息的相对可信度,对不同航迹分别建立多雷达可信度判断矩阵,求得各雷达对该目标的可信度,进而求得各雷达的综合可信度。根据雷达的可信度,采用可信度高的雷达所获取的航迹信息进行卡尔曼滤波,获得每条航迹的最佳估计值。然后对多部雷达滤波后的数据进行线性加权融合处理,最终得到唯一航迹。     

飞行计划的航迹预测与航迹配对在ATC中的应用

本文介绍了在民航ATC系统中,基于飞行计划的三阶段飞行模型的航迹预测方法,以及方向距离相关法的航迹配对方法.并对算法进行仿真.结果满足系统需求.     

基于一类分类的非线性回归算法

一类支持向量机是只有正类样本的一类分类算法,该算法已经在孤立点检测、经济预警中有了广泛的应用。根据一类分类方法,本文提出一种非线性回归算法,该算法揭示了一类分类、二类分类以及回归之间的关系。该方法首先对训练数据的响应变量向上和向下移动ε,进而获得两个样本集合;然后应用核映射方法在高维特征空间中分别求包含两个集合的最小超球体中心;最后,通过求平分两个中心的间隔最大超平面获得回归函数。两个仿真实验结果验证了所给算法的有效性和可行性。     

改进的扩展卡尔曼滤波在航空器4D航迹预测算法中的应用

为有效地推进基于轨迹运行(TBO)的发展,准确预测不同实时飞行状态下的航空器4D航迹,根据航空器基本数据库(BADA)提出的基本动力学方程,引入航空器运动的六自由度模型和风场扰动函数,并且用状态变量和输入变量建立非线性控制系统,与BADA中的总能量模型(TEM)结合进行4D航迹预测.由于非线性控制系统与航空器运动状态复...     

基于预测误差格型滤波器的航迹关联算法研究

在K近邻域(K-NN)航迹关联算法的基础上,提出一种基于预测误差格型滤波器的关联算法,当融合中心仅获得状态估计值,而没有状态估计协方差矩阵时,将状态估计值通过格型滤波器,利用得到的预测误差代替协方差,为判决门限的选择提供依据,仿真结果表明,这种算法是有效的.     

一类非线性模型及其预测偏差分析

在非线回归分析中，变换模型引入注目，著名的Ｂｏｘ－Ｃｏｘ变换模型＾［１］更是广为讨论。理论分析与应用表明，该类模型因变量的预测均采用简单的逆变换加以实现。本文通过预测分析表明，这种预测是偏倚的。应加以校正。基于正态条件分布，本文理论推导了校正公式并给出了预测上、下限、最后进行了实例分析。     

一种基于实时航迹的流量预测修正算法

本文针对民航班机在巡航阶段的直线运动轨迹和弧线运动轨迹进行了理论误差分析,在简化4D轨迹预测模型的基础上,提出了基于实时系统航迹数据的流量预测动态修正算法,试验结果表明该算法能够满足管制员的实际应用需要,可以为实际的空中交通流量管理方案实时提供更加准确的决策支持。     

基于多元非线性回归算法的动车组变压器温度预测研究

对动车组状态参数进行预测是实现动车组数字化精准维修的重要前提之一.目前对动车组数据的利用方式主要以定量观测和定性分析为主,缺乏准确的状态预测量.为此,文章提出了一种基于多元非线性回归的预测算法,通过建立变压器温度预测模型,实现了变压器温度值的次日预测,并以此指导由温度导向的变压器日常运维项目.通过对比CRH5A型动车组...     

基于多层局部回归神经网络的多变量非线性系统预测控制

以罐式搅拌反应器为例,针对复杂多变量系统的强耦合性、非线性、时变性等问题,研究了多变量非线性系统的预测控制及改善控制性能的方法,采用多层局部回归神经网络离线建立预测模型,以偏差补偿和模型修正相结合的方式对预测模型进行误差补偿,以要线校正用于预测控制,通过对性能指标中的偏差项负指数加权,进一步改善预测控制性能,住址结果表明了控制算法的有效性。     

基于BP神经网络的航迹预测方法研究

本文针对AUV航迹预测的实际应用需求,建立了基于BP神经网络的航迹预测模型,并应用海洋水文要素数据及数据处理后的AUV位置信息作为样本数据,对预测模型进行仿真实验。最后,利用航及预测模型实现了对AUV航迹的准确预测。     

基于自适应局部非线性回归的颜色校正算法

颜色是图像的重要信息。许多颜色校正算法都采用精度较高的查找表法。为了更好地拟合颜色空间之间复杂的映射关系,在自适应局部线性回归颜色校正模型的基础上提出了基于自适应局部非线性回归的颜色校正模型,在小样本情况下,自适应地选择插值点的个数,利用局部非线性回归模型优化权值,建立三维的查找表,实现较好的颜色校正效果。实验证明基于自适应局部非线性回归的颜色校正模型的校正精度整体高于基于自适应局部线性回归的颜色校正模型的校正精度。