基于CMAC小脑神经网络的机场鸟情预测研究

针对机场鸟情预测这一问题,本文提出了一种运用CMAC小脑神经网络算法预测鸟情的新方法。通过采集某机场鸟情信息及天气情况的数据进行综合分析,确定各因素间的相关性,给出鸟情数据预处理方法并利用CMAC建立预测模型。实验结果验证了CMAC小脑神经网络在鸟情预测方面具有良好的局部逼近效果,预测误差较小,同时表明了CMAC小脑神经网络应用于机场鸟情预测是可行有效的,具有良好的应用价值。

基于多Agent的机场鸟情预测预报系统研究

机场鸟情预测预报具有复杂性和分布性的特点,传统的面向结构和对象的方法已经不能给出一个描述系统行为以及互相之间信息交换的统一模型。论文采用面向Agent信息系统建模方法将现实世界看做多个具有自主行为的实体,提出了基于多Agent的中国机场鸟情预测预报系统的组织形式,即中央鸟情预测预报管理中心Agent、区域鸟情预测预报管理中心Agent和三级鸟情预测预报管理Agent。详细描述了各个Agent的功能以及之间的工作方式和合作机制,为中国机场鸟情预测预报系统的建立提供了理论依据。

BAM神经网络在鸟情预测中的应用

通过对某机场环境因素、鸟类活动等数据进行综合分析,在收集、规范、完善鸟情数据集的基础上,给出了鸟情数据预处理方法,提出了基于BAM(双向联想记忆)神经网络算法的鸟情预测模型,确定了鸟情预测模型输入、输出参数.通过机场实际鸟情数据对鸟撞模型做仿真预测,仿真结果证明BAM神经网络比传统的前馈型神经网络的预测误差更小,预测效果更好.

机场鸟情预报的影响因子选定

熟悉机场鸟情是开展鸟击防范工作的前提,因此,各机场都非常重视鸟情的观察预报,而影响鸟情的因素较多[1],如果能找到关键因子,将极大提高鸟情预报的准确性。本文以华北某机场为试点,在成因分析的基础上,先选出足够数量的影响因子作为待选因子,再采用逐步回归分析法和人工神经网络对待选因子进行筛选,最终选定较为理想的机场鸟情预报影响因子,为机场进行鸟情预测预报,更有效开展鸟击防范工作提供参考。