基于长短期记忆网络与支持向量回归的空中交通流量预测研究

由于航空运输的高速发展,空中交通流量日益增大,空中交通流量预测难度不断增加。为提高空中交通流量预测的精确度,通过运用支持向量回归(SVR)和长短期记忆网络(LSTM)2种方式对广播式自动相关监视(ADS-B)数据进行处理。结果表明,LSTM预测方法对交通流误差有较好的控制,具有较好的预测精度。SVR模型和LSTM模型都能很好地捕捉非线性特征与交通流之间的内在关系。发现航路点流量时间序列曲线的趋势性越明显,预测曲线的拟合度越高;时间序列曲线的波动幅度越大,预测曲线拟合度越差。LSTM预测方法的均方根误差为2.56,SVR预测方法的均方根误差为3.59,航路点流量时间序列趋势的明显性直接影响模型的预测精准度。