發(fā)布時間：2023-05-27 00:57

　　航空軌跡數(shù)據(jù)分析技術(shù)可以從飛行器軌跡歷史數(shù)據(jù)中獲得許多有用信息,在空域管理、民航飛行調(diào)度、機場管理、航空企業(yè)燃油成本管理等方面有重要作用。目前主要采用數(shù)據(jù)挖掘技術(shù)對航空軌跡數(shù)據(jù)進(jìn)行聚類分析。聚類方法的選擇和樣本數(shù)據(jù)特征抽取是影響聚類分析準(zhǔn)確率的主要因素。但是,以往的研究主要集中于聚類分析的方法,對樣本數(shù)據(jù)特征抽取方法的研究不足,制約了聚類分析的準(zhǔn)確率和效率。近年來,隨著人工智能技術(shù)的成熟和快速發(fā)展,如何將深度學(xué)習(xí)的方法用于航空軌跡分析,并與數(shù)據(jù)挖掘技術(shù)實現(xiàn)有效結(jié)合,以提高軌跡數(shù)據(jù)分析的準(zhǔn)確率和效率成為一個重要的研究課題。首先,本文分析了軌跡分析中常用的聚類分析方法,針對航空軌跡數(shù)據(jù)的特點,為了克服傳統(tǒng)樣本數(shù)據(jù)特征提取方法不能充分反映航空軌跡數(shù)據(jù)的時間特性的問題,采用滑動窗口算法進(jìn)行航空軌跡數(shù)據(jù)特征的提取,以改善數(shù)據(jù)特征的維度,從而有效提升聚類分析的準(zhǔn)確率。其次,為了建立適用于航空軌跡數(shù)據(jù)分析的混合框架,對LSTM和GRU為代表的幾種典型的深度學(xué)習(xí)算法進(jìn)行了深入的研究,并將其應(yīng)用于航空軌跡數(shù)據(jù)的特征抽取,設(shè)計了具體的實驗方案,實現(xiàn)了單層和多層網(wǎng)絡(luò)的學(xué)習(xí)算法,通過實驗對比的方法討論了算法的...

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 軌跡數(shù)據(jù)聚類分析的研究背景及意義
    1.2 航空軌跡數(shù)據(jù)分析的研究現(xiàn)狀及問題
    1.3 主要工作目標(biāo)及內(nèi)容
    1.4 論文結(jié)構(gòu)
第2章 基于數(shù)據(jù)挖掘的航空軌跡聚類方法綜述
    2.1 軌跡數(shù)據(jù)的形成和形式
    2.2 軌跡數(shù)據(jù)挖掘聚類的常用技術(shù)
        2.2.1 基于時空距離的聚類方法
        2.2.2 基于最小外包矩陣聚類方法
        2.2.3 基于動態(tài)時間包裹聚類方法
        2.2.4 基于最長公共子序列聚類方法
        2.2.5 基于實序列編輯距離的聚類方法
        2.2.6 基于子軌跡聚類的聚類方法
    2.3 深度學(xué)習(xí)的特征提取方法
    2.4 本章小結(jié)
第3章 基于語言模型的航空軌跡挖掘?qū)嶒炑芯亢头治?br>    3.1 實驗的總體結(jié)構(gòu)和框架
        3.1.1 軌跡預(yù)處理模塊
        3.1.2 特征提取模塊
        3.1.3 深度學(xué)習(xí)隊列模塊
        3.1.4 聚類模塊
    3.2 數(shù)據(jù)集的選取和數(shù)據(jù)處理
    3.3 實驗設(shè)計與實現(xiàn)
        3.3.1 LSTM網(wǎng)絡(luò)的原理介紹
        3.3.2 GRU網(wǎng)絡(luò)的原理介紹
        3.3.3 實驗具體內(nèi)容
    3.4 實驗方案
    3.5 實驗結(jié)果及分析
    3.6 本章小結(jié)
第4章 基于深度學(xué)習(xí)的軌跡數(shù)據(jù)挖掘方法設(shè)計
    4.1 基于多層深度學(xué)習(xí)網(wǎng)絡(luò)的軌跡數(shù)據(jù)挖掘算法原理
    4.2 基于深度學(xué)習(xí)的軌跡數(shù)據(jù)挖掘算法設(shè)計
    4.3 算法實現(xiàn)
    4.4 本章小結(jié)
第5章 實驗及性能評價
    5.1 實驗環(huán)境及方案
    5.2 實驗結(jié)果及分析
        5.2.1 不同網(wǎng)絡(luò)和深度的時間效率對比結(jié)果及分析
        5.2.2 不同學(xué)習(xí)率下網(wǎng)絡(luò)的收斂結(jié)果及分析
        5.2.3 不同網(wǎng)絡(luò)結(jié)構(gòu)聚類結(jié)果及分析
        5.2.4 不同聚類算法結(jié)果及分析
    5.3 本章小結(jié)
第6章 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說明
致謝



本文編號：3823594