基于OLS-RBF神经网络的进场飞行时间预测

• 作者: 张军峰 王菲 郑志祥 陈强
• 来源期刊: 航空计算技术
• 关键词: RBF神经网络 正交最小二乘 飞行时间预测 预计到达时间
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 计 算 方 法
• 页码范围: 42-45
• 页数: 4页
• 分类号: V355
• 语种: 中文

摘要

航空器预计到达时刻（ ETA）是航空器进场排序与调度的基础，因此进场航空器飞行时间的快速与准确预测显得尤为重要。基于历史雷达轨迹分析，通过RBF（ Radial Basic Function ）神经网络构建进场航空器进港时的高度、速度、进场飞行距离与进场飞行时间的映射关系，利用正交最小二乘算法设计基于RBF神经网络的进场飞行时间预测模型。以上海浦东机场VMB进港点进场航班为例进行仿真验证，在考虑航空器机型的情况下，可将航空器飞行时间预测的均方根误差控制在50 s以内。仿真结果表明，提出的方法能够有效地实现进场飞行时间的快速与准确预测。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王菲	南京航空航天大学民航学院	9	57	5.0	7.0
2	张军峰	南京航空航天大学民航学院	52	390	9.0	18.0
3	陈强	南京航空航天大学民航学院	12	76	6.0	8.0
4	郑志祥	南京航空航天大学民航学院	4	28	4.0	4.0