为了更好地掌握航空器在情况复杂的终端区域的飞行规律,预测航空器走势,基于历史航迹提出了一种结合随机森林和反距离权值的终端区域航迹预测算法。首先通过DBSCAN聚类(Density-Based Spatial Clustering of Applications with Noise)...为了更好地掌握航空器在情况复杂的终端区域的飞行规律,预测航空器走势,基于历史航迹提出了一种结合随机森林和反距离权值的终端区域航迹预测算法。首先通过DBSCAN聚类(Density-Based Spatial Clustering of Applications with Noise)得到历史航迹的分类标签并利用随机森林模型训练航迹分类;再结合插值后的历史航迹数据生成典型航迹,采用反距离权值法将典型航迹生成预测航迹;最后通过终端区真实航迹数据进行实例验证。仿真结果表明,采用所提方法进行终端区航迹预测,其预测结果与实际航迹吻合度高,所提方法具有良好的应用价值。展开更多
文摘为了更好地掌握航空器在情况复杂的终端区域的飞行规律,预测航空器走势,基于历史航迹提出了一种结合随机森林和反距离权值的终端区域航迹预测算法。首先通过DBSCAN聚类(Density-Based Spatial Clustering of Applications with Noise)得到历史航迹的分类标签并利用随机森林模型训练航迹分类;再结合插值后的历史航迹数据生成典型航迹,采用反距离权值法将典型航迹生成预测航迹;最后通过终端区真实航迹数据进行实例验证。仿真结果表明,采用所提方法进行终端区航迹预测,其预测结果与实际航迹吻合度高,所提方法具有良好的应用价值。
