基于K近邻模型的空中交通流量短期预测

为了准确预测空中交通短期流量,减轻空管协调压力,基于K近邻算法构建了空中交通短期预测模型。首先,通过多次取K值比较相对误差来确定合适的K值。之后,对原有的K近邻模型进行改进,引入空间参数,提出了3种状态向量组合的K近邻模型:时间维度模型、向台航路-时间维度模型与时空参数模型。以某扇区雷达数据对该模型进行检测,结果表明:同时引入时空参数的K近邻模型误差最小,平均为14.16%;基于指数权重的距离衡量方式均能达到预测精度优化的效果;高斯权重预测法在时间维度模型下优于反函数法,引入空间参数则反之;指数权重距离下的反函数法预测的时空参数模型误差为13.94%。改进后的K近邻模型对不同流量情况都具有普适性,预测结果可为空中交通流量管理提供理论参考。

基于有限域上向量空间的压缩感知矩阵的构造

基于有限域上的向量空间,构造新的压缩感知矩阵,计算其相关参数,将其与DeVore构造的基于有限域上多项式的压缩感知矩阵进行对比,证明当满足一定条件时,基于有限域上向量空间构造的压缩感知矩阵的信号恢复性能优于DeVore所构造的矩阵。数值仿真说明,构造的矩阵在恢复信号能力方面优于高斯随机矩阵和DeVore构造的矩阵。