买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明属于机场终端区容量预测技术领域，具体涉及一种对流天气影响终端区的容量预测方法，其包括：构建影响终端区的对流天气特征；根据特征构建基于对流天气影响场景的聚类模型；根据聚类模型获取对流天气对终端区影响程度不同的分类场景；根据分类场景仿真评估相应容量值及对对流天气进行特征重构；根据评估容量值及重构特征，构建机器学习预测模型；以及根据机器学习预测模型的预测结果进行对比分析，实现了输入对流天气预测产品即可输出相应对流天气场景的容量预测，为管制工作提供相应的容量决策依据。

主权项：1.一种对流天气影响终端区的容量预测方法，其特征在于，包括：构建影响终端区的对流天气特征；根据特征构建基于对流天气影响场景的聚类模型；根据聚类模型获取对流天气对终端区影响程度不同的分类场景；根据分类场景仿真评估相应容量值及对对流天气进行特征重构；根据评估容量值及重构特征，构建机器学习预测模型；以及根据机器学习预测模型的预测结果进行对比分析；所述对流天气影响终端区的容量预测方法的方法包括：通过对流天气所具有的属性构建特征；通过对流天气对主要离场点的影响构建特征；通过对流天气对主要进场走廊的影响构建特征；通过对流天气对跑道附近空域的影响构建特征；所述通过对流天气所具有的属性构建特征的方法包括：对WAF进行二值化处理，抓取WAF轮廓边缘并对其进行凸包化处理，形成符合实际运行条件的WAF，保留在终端区内并与终端区有交集的WAF凸包；对已经过凸包化处理的不规则多边形WAF，求其最小外接矩阵，再计算最小外接矩阵的中心坐标，将其作为WAF凸包的中心坐标X,Y；WAF凸包自身的周长和面积反映了对流天气本身的严重程度，C为WAF凸包自身的周长，S为凸包自身的面积，则周长面积比特征为所述通过对流天气对主要离场点的影响构建特征的方法包括：WAF凸包集合为WAF＝{P1,P2,...,Pn}，确定WAF是否覆盖终端区主要离场点D＝{Di|i∈终端区所含主要离场点个数}，即当x＝1，Di∈D时，dwxl为以Di为起点WAF凸包左边覆盖的线段长度，dwxr为以Di为起点WAF凸包右边覆盖的线段长度，dil为与Di相邻的左边终端区边界长度，dir为与Di相邻的右边终端区边界长度，计算WAF沿离场点Di的相邻边界覆盖比重并确定各离场点在WAF的影响下的流控情况；当已确定天气覆盖Di时，从Di离场的两架航空器之间的放行时间间隔β，即Di点流控随WAF覆盖终端区边界的比重用分段函数表示，正值为WAF覆盖在Di点离场方向左侧，负值为WAF覆盖在Di点离场方向右侧；所述通过对流天气对主要进场走廊的影响构建特征的方法包括：终端区主要进场走廊A＝{Ak|k＝1,2,...,10}，Swx为被对流天气覆盖的空域面积，S总为空域的总面积，则空域被危险天气覆盖的比例，即第k个进场走廊的天气危险指数每个进场走廊多边形都包括源、汇、顶、底，Mincutj为在第j个WAF凸包的影响下的第k个进场走廊多边形的最小割，Mincutk0为良好天气下第k个进场走廊多边形的最小割，ei和eb分别为进场走廊多边形的顶边和底边，则在第j个WAF凸包的影响下的第k个进场走廊多边形的可用流容比为： 所述通过对流天气对跑道附近空域的影响构建特征的方法包括：将跑道附近的区域划分为若干部分，cX,cY为WAF中心的图上坐标，x0,y0为跑道中心的图上坐标，则WAF中心距跑道中心的欧式距离为所述根据评估容量值及重构特征，构建机器学习预测模型的方法包括：将重构特征作为神经网络的输入层，将容量评估值作为输出层，根据经验公式预设隐含层的层数与节点个数，并根据激活函数和优化器建立BP神经网络模型进行对流天气影响下的终端区容量预测；将重构特征的数据集划分为训练集数据和测试集数据，根据线性回归的公式建立线性回归模型进行对流天气影响下的终端区容量预测；根据目标函数约束条件核函数选择高斯核函数，建立支持向量机回归模型进行对流天气影响下的终端区容量预测；其中，w为x的系数矩阵；fxi＝w'xi+b，将|yi-fxi|-ξ*≤ε写成了目标函数中的两个不等式约束；ξi和ξi表示将“分割带”以外的样本点xi拉回到两条带内所需要的成本。

全文数据：

权利要求：

百度查询： 南京航空航天大学 对流天气影响终端区的容量预测方法