基于层次聚类和LSTM的航空器到达时刻预测

航空器到达时刻(ETA)预测是进港排序与调度的基础,因此进港航空器到达时刻的快速与准确预测显得尤为重要。考虑航空器飞行轨迹中的经度、纬度和高度三维坐标数据,利用层次聚类算法实现飞行轨迹的精确分类。基于时间序列问题进行分析,通过长短期记忆网络(LSTM)构建航空器进港时位置、航向、速度与航空器到达时刻之间的映射关系建立预测模型。以成都双流国际机场进港航班为例进行仿真实验,将航空器到达时刻预测的均方根误差控制在6s。仿真结果表明,预测模型可以实现对航空器到达时刻的精确预测。

基于卷积LSTM模型的航空器轨迹预测

采集空管大数据,根据空管大数据的特点,对数据进行数据融合,利用改进的聚类算法处理航迹数据,对得到的各类航迹数据分别构建模型,提高模型的预测精度。分别构建Stack LSTM和基于卷积LSTM的航空器轨迹预测模型,以真实雷达数据为例进行仿真实验,对仿真结果进行对比,其结果表明,基于卷积LSTM的航空器轨迹预测模型可以将预测的均方根误差控制在400 s内,验证了预测模型可以实现航空器轨迹的精确预测。