基于LSTM-ARIMA模型的短期航班飞行轨迹预测

高效精确的航班飞行轨迹预测是未来空中交通管理系统的关键技术之一,其旨在提高空中交通的运行能力和可预测性。针对现有的航迹预测方法预测精度和稳定性不足的问题,在已有的历史航迹数据的基础上,构建了新的特征维度,分析了经度、纬度和高度三维数据的统计特性,将长短期记忆网络(Long Short-Term Memory,LSTM)对非线性和非平稳时间序列有较强的逼近能力,而差分自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA)对线性时间序列的处理能力更优的特点相结合,提出了一种以LSTM为主ARIMA为辅的组合短期航迹预测模型,先利用LSTM作为主预测模型对经纬度和高度进行预测,再利用辅模型ARIMA对高度的线性关系进行建模,最后采用CRITIC方法将LSTM和ARIMA预测的高度值融合处理。实验结果表明,这种组合模型利用了两种模型的优势,提高了航迹预测的准确性。

终端区4D飞行轨迹预测与冲突预警

为提升终端区飞行轨迹预测精度,实现航空器短时冲突预警,建立一种基于孪生支持向量回归的终端区4D飞行轨迹预测模型。对历史飞行轨迹应用重采样算法,降低轨迹数据规模;利用墨卡托投影将轨迹点经度、纬度与高度化为x-y-z坐标,采用孪生支持向量回归算法学习预测模型,实现短时航空器飞行轨迹动态预测;计算两架航空器水平、垂直距离,建立航空器冲突预警指示函数;对孪生支持向量回归算法进行超参数灵敏度分析,分析各超参数对模型预测效果的影响。根据机场真实数据进行仿真实验,证明:基于孪生支持向量回归的4D飞行轨迹预测模型能够准确捕捉航空器运动趋势,且泛化能力强;所提模型x-y-z坐标预测均方根误差是BP神经网络预测结果的32%、35%和61%,单次预测计算用时减少约0.13 s。

一种基于C-GRU飞行轨迹预测方法

飞行轨迹是由大量时间序列数据组成,遵循一定的运动规则。对敌方巡逻机飞行轨迹进行预测,能有效的提高战斗机生存率。针对现有单一预测模型对飞行轨迹预测精度不高,提出一种基于复合门控循环单元飞行轨迹预测方法。使用飞行仿真模拟获取多组飞行轨迹坐标点数据,用于复合门控循环单元网络模型参数训练,实现飞行轨迹预测。通过仿真结果分析,复合门控循环单元网络模型在X、Y、Z轴上的多组预测数据平均绝对误差在4.5 m内,且网络模型预测平均时间开销约为4.1 ms;使用平均绝对误差变化较大与较小的轨迹数据进行对比,其Y与Z轴的两组均方根误差相近。同时与门控循环单元、长短期记忆网络模型对比,其误差最小,在平均耗时接近的情况下预测的结果更加准确。所以本文提出的模型适用于不同的飞行轨迹,而且预测结果具有较高的可信度。

基于气象探测的平流层浮空器飞行轨迹预测方法

平流层浮空器飞行试验要求在拟定空域范围内开展,通过寻找平流层准零风层来实现区域驻空飞行。本文利用探空仪获取了试验地区风速、风向、压力、温度要素随高度分布规律,同时进行该地区平流层准零风层判断分析,使用包含平流层浮空器动力学模型和热力学模型的计算软件进行飞行轨迹仿真,并结合实际地域进行飞行轨迹和落点预测。结果表明:在探测时间段内,该地区20km高度附近存在风速不大于5m/s的弱风层,18~22km存在风向变化超过180°的切变风;17~19km最低温度为-71℃,19~22km温度由-70℃上升至~59℃;19~22km压力由65.4hPa降低至40hPa;在19~20km区间,存在持续时间不小于12h的准零风层,基于气象要素规律仿真预测12h内飞行轨迹不超出拟定空域,落点在开阔地点,并通过飞行试验得到有效验证。

基于LSTM模型的机场航班飞行轨迹预测

在复杂的空域环境下飞行,精确的航迹预测是确保飞机在客运、货运等飞行任务安全的重要基础,在外界条件不确定的情况上,飞行航迹具不完全稳定性。为了实现空域资源的高效利用,增强空中交通安全,针对时间序列飞行数据利用长短期记忆网络(long short-term memory,LSTM)建立预测模型,高效计算飞行轨迹,再以均方误差(mean square error,MSE)评估精度,最后用半正矢公式(haversine)计算弧面距离。实验结果表明,LSTM模型能很好地解决飞行轨迹预测的问题。

基于卷积神经网络的无人作战飞机飞行轨迹实时预测

飞行轨迹预测是空战技术的一部分,预测方结合轨迹预测结果可以选择出更有预见性的机动。为快速、准确地获得无人作战飞机在未来时刻的位置,提出了基于卷积神经网络的飞行轨迹预测方法。原始动力学模型不能正确仿真滚转角有偏差的筋斗机动,采取限制角速度的方式对该模型进行改进;使用改进后的模型在不同条件下进行飞行仿真,得到大量轨迹样本;训练并测试具有不同层数和卷积核数的网络,从中找出预测误差最小的网络;对比卷积神经网络与长短时记忆网络、循环神经网络、全连接网络的运算速度和误差,结果表明:卷积神经网络预测方法在没有增加运算用时情况下,0.25 s后的平均预测误差在x轴方向约为4.2 m,y轴方向约为8.0 m,z轴方向约为19.5 m,且误差均小于其他3种方法。

空管中轨迹预测的一种变结构IMM算法

本文针对空中交通管制中采用相互作用多模型算法(IMM)来进行飞行轨迹预测时,可能由于模型的选取不当而造成性能变差或计算浪费的不足,提出了一种基于图论的变结构相互作用多模型(GIMM )算法。本文给出了GIMM算法的基本思想、算法的模型和计算步骤,并用GIMM算法与固定结构IMM算法进行了仿真比较。仿真结果表明GIMM算法在空管飞行轨迹预测中是更为有效和可行的。