首页
|
本学科首页
官方微博
|
高级检索
全部专业
财政、金融
工业经济
交通运输经济
经济计划与管理
经济学
旅游经济
贸易经济
农业经济
世界各国经济概况、经济史、经济地理
信息产业经济(总论)
学报及综合类
邮电经济
按
中文标题
英文标题
中文关键词
英文关键词
中文摘要
英文摘要
作者中文名
作者英文名
单位中文名
单位英文名
基金中文名
基金英文名
杂志中文名
杂志英文名
栏目英文名
栏目英文名
DOI
责任编辑
分类号
杂志ISSN号
检索
基于优化AC-BiLSTM模型的机场终端区流量预测
引用本文:
向征,全志伟,何雨阳,周鼎凯,储同.基于优化AC-BiLSTM模型的机场终端区流量预测[J].科技和产业,2023,23(7):199-204.
作者姓名:
向征
全志伟
何雨阳
周鼎凯
储同
作者单位:
中国民用航空飞行学院 空中交通管理学院,四川 广汉 618307
摘 要:
将深度学习用于机场终端区流量预测研究。神经网络具有复杂的网络拓扑结构和较多的超参数,这使得超参数的选择很困难。以往神经网络模型的超参数通常是根据经验来调整的,因此,为了解决超参数搜索问题,引入粒子群算法(PSO)。针对基本粒子群算法(Basic PSO,BPSO)的缺点和不足,提出一种基于自适应惯性权重的混沌粒子群优化(AWCPSO)算法,该算法在基本PSO的基础上进行了改进和优化。具体方法是,使用一种新的动态自适应惯性权重在全局寻优和局部寻优之间取得平衡;进而将混沌思想和粒子群算法相结合,解决粒子群算法易陷入局部最优的问题。实验表明,AWCPSO算法用于AC-BiLSTM模型的超参数寻优时,既解决了BPSO算法的早熟收敛问题,又提高了流量预测的精度。
关 键 词:
空中交通管理
深度学习
粒子群算法
流量预测
Airport Terminal Area Traffic Forecasting Based on Optimized AC-BiLSTM Model
Abstract:
Keywords:
air traffic management
deep learning
particle swarm algorithm
traffic prediction
点击此处可从《科技和产业》浏览原始摘要信息
点击此处可从《科技和产业》下载
免费
的PDF全文
设为首页
|
免责声明
|
关于勤云
|
加入收藏
Copyright
©
北京勤云科技发展有限公司
京ICP备09084417号