資源描述：
《機(jī)場(chǎng)噪聲預(yù)測(cè)svr增量模型研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、中圖分類(lèi)號(hào)：TP391論文編號(hào)：102871615-S057學(xué)科分類(lèi)號(hào)：083500碩士學(xué)位論文機(jī)場(chǎng)噪聲預(yù)測(cè)SVR增量模型研究研究生姓名豐文安學(xué)科、專(zhuān)業(yè)軟件工程研究方向數(shù)據(jù)挖掘指導(dǎo)教師王建東教授南京航空航天大學(xué)研究生院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院二О一五年一月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofComputerScienceandTechnologyResearchonPredictionModelofAirportNoiseBasedonISVRAThesisin
2、SoftwareEngineeringbyWenanFengAdvisedbyProf.JiandongWangSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringJanuary,2015ii南京航空航天大學(xué)碩士學(xué)位論文承諾書(shū)本人聲明所呈交的碩士學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得南京航空航天大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。本人
3、授權(quán)南京航空航天大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后適用本承諾書(shū)）作者簽名：日期：iii機(jī)場(chǎng)噪聲預(yù)測(cè)SVR增量模型研究摘要隨著民航事業(yè)的持續(xù)發(fā)展，航空運(yùn)輸在給人們帶來(lái)便捷和繁榮的同時(shí)，也帶來(lái)了一系列的環(huán)境問(wèn)題，而機(jī)場(chǎng)噪聲污染問(wèn)題尤為嚴(yán)重。為了更好地安排航班班次，合理地規(guī)劃?rùn)C(jī)場(chǎng)布局，有效地防治噪聲污染，需要掌握機(jī)場(chǎng)噪聲的動(dòng)態(tài)變化規(guī)律并進(jìn)行機(jī)場(chǎng)噪聲預(yù)測(cè)?，F(xiàn)存的機(jī)場(chǎng)噪聲預(yù)測(cè)方法中大多數(shù)缺乏學(xué)習(xí)能力和推廣性，得到的模型無(wú)法隨著機(jī)場(chǎng)實(shí)時(shí)數(shù)據(jù)而進(jìn)行修正和優(yōu)化，所以預(yù)測(cè)精度的很
4、難提高。為解決這些問(wèn)題，需要對(duì)機(jī)場(chǎng)噪聲增量學(xué)習(xí)預(yù)測(cè)模型進(jìn)行研究。本文的主要工作如下：(1)總結(jié)并分析傳統(tǒng)增量過(guò)程中冗余數(shù)據(jù)的約減方法，結(jié)合信念修正思想，提出基于AGM理論的冗余數(shù)據(jù)約減方法，旨在解決海量高維噪聲數(shù)據(jù)的存儲(chǔ)問(wèn)題，并不斷提高訓(xùn)練集樣本的質(zhì)量，從而增強(qiáng)模型的預(yù)測(cè)精度和魯棒性。(2)提出機(jī)場(chǎng)噪聲預(yù)測(cè)SVR在線增量模型，對(duì)采集的數(shù)據(jù)進(jìn)行實(shí)時(shí)分析及處理，既可以減少數(shù)據(jù)存儲(chǔ)開(kāi)銷(xiāo)，又可以及時(shí)地根據(jù)新增數(shù)據(jù)信息對(duì)模型進(jìn)行調(diào)整，保證模型的預(yù)測(cè)精度。機(jī)場(chǎng)噪聲預(yù)測(cè)SVR在線增量模型根據(jù)新增樣本的特點(diǎn)判斷是否調(diào)整當(dāng)前的預(yù)測(cè)模型，通過(guò)引入樣本相似性度量來(lái)保證訓(xùn)練樣本的質(zhì)量，
5、并結(jié)合樣本標(biāo)記的方法和誤差驅(qū)動(dòng)的原則實(shí)現(xiàn)對(duì)歷史樣本的刪減。(3)針對(duì)數(shù)據(jù)分析及處理能力不足以及系統(tǒng)故障導(dǎo)致的實(shí)時(shí)數(shù)據(jù)累積問(wèn)題，提出機(jī)場(chǎng)噪聲預(yù)測(cè)SVR批增量模型。該模型拋棄傳統(tǒng)的模型依賴(lài)的增量學(xué)習(xí)算法，從歷史樣本信息中提取相似樣本集，根據(jù)相似樣本集和新增數(shù)據(jù)的特點(diǎn)選擇相應(yīng)的相似樣本集建立模型進(jìn)行預(yù)測(cè)，然后對(duì)相似樣本集進(jìn)行修正，調(diào)整當(dāng)前認(rèn)知狀態(tài)。同時(shí)，提出了相似情形的概念，強(qiáng)調(diào)周邊樣本在預(yù)測(cè)中起到的重要性。關(guān)鍵詞：機(jī)場(chǎng)噪聲預(yù)測(cè)模型，支持向量回歸，冗余數(shù)據(jù)，信念修正，在線增量模型，相似性度量，批增量模型iv南京航空航天大學(xué)碩士學(xué)位論文ABSTRACTWiththesu
6、stainabledevelopmentofchina’scivilaviation,airtransportationhasbroughtusconvenienceandprosperity,however,aseriesofenvironmentalproblemsarise,especiallytheairportnoisepollution.Inordertobetterarrangeairportscheduleanddesignairportlayout,andpreventnoisepollutionmoreeffectively,weshould
7、findoutthedynamicvariationruleofairportnoiseandbuildmodelstopredictthenewnoise.Mostoftheexistingairportnoisepredictionmethodslackabilityoflearningandgeneralization,sothemodelcannotberevisedandoptimizedwithrespecttotheairportnoisereal-timedata.Therefore,weaimtosolvethisproblemandstudy
8、airportnoise
