基于LSTM的机场跑道视程预测

• 作者: 彭路 柳俊凯 盛爱晶 张兴海 孙文正
• 来源期刊: 计算机系统应用
• 关键词: 长短时记忆网络 深度学习 跑道视程预测 时序预测 神经网络 预测模型 人工智能
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 软件技术·算法|Software Technique · Algorithm
• 页码范围: 203-212
• 页数: 10页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008492

摘要

跑道视程反映了飞行员的视程大小,是保障飞机起飞和着陆飞行安全的重要气象要素之一,提升跑道视程的预测准确率将有效提升飞机在低能见度和复杂天气条件下的起降能力和航空管制能力.跑道视程除了受自身观测仪器不足限制,雾、烟、沙尘、强降水等其他天气对其影响也十分显著.本文利用2012–2018年咸阳机场民航自动气象观测系统观测的风速、湿度、温度和跑道能见度等气象要素时间序列数据,首先分析跑道视程与其他气象要素之间的长期相关关系,并基于相关分析结果采用人工智能领域最常用的长短时记忆网络,构建了一种机场跑道视程预测模型,模型实验结果表明该模型在0–2小时内跑道视程预测平均拟合度能够达到72％.