基于机器学习对机场能见度预测模型研究

为进一步精确预测茅台机场能见度变化趋势,论文以2018年全年机场气象室资料,先对茅台机场2018年全年能见度变化趋势进行统计分析和对所观测到的气象要素进行Pearson相关性分析,发现相对湿度与机场能见度变化呈现明显的正相关性,温度露点差与机场能见度呈现显著负相关,然后通过多元线性回归(MLR)和BP神经网络、径向基(BBF)神经网络分别对茅台机场的能见度进行预测,对比拟合优度、误差平均值、均方误差和均方根误差发现,相较于MLR和BP神经网络,RBF神经网络模型不管是在误差控制还是预测精度上都有着较好的表现,所以可选取其作为预测茅台机场能见度的模型,对茅台机场的安全运行有着重要意义。