[發明專利]基于灰色長短期記憶網絡的管制空域戰略流量預測方法

有效

• 申請號: 201910360715.0
• 申請日: 2019-04-30
• 公開（公告）號: CN110210648B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 曾維理;徐正鳳;羊釗;朱聃;朱星輝;胡明華
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06F18/2135;G06N3/0442;G06N3/0464;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 曹蕓

1.一種基于灰色長短期記憶網絡的管制空域戰略流量預測方法，其特征在于，包括如下步驟：

步驟1：讀取數據

讀取空中交通流量數據集，包括塔臺、進近及區域年飛行架次，然后讀取對應年份影響戰略流量的因素數據集，包括全國及區域經濟、人口、消費水平、各類交通方式運輸量、交通業就業人員及固定資產投資、旅游、進出口額、航線條數、飛機架數各類指標；

步驟2：數據預處理

將空中交通流量數據集與影響因素數據集按照年份進行合并，然后對流量數據集及影響因素數據集進行缺失值和異常值進行處理；

步驟3：利用灰色關聯分析初步篩選影響因素；

步驟4：利用主成分分析方法提取主要特征；

步驟5：建立灰色戰略流量預測模型；步驟5的具體過程如下：

步驟5.1：原始數據序列中的空中交通流量序列為：

其中為空中交通流量的原始數據序列，為第一年的空中交通流量數值，為第二年的空中交通流量數值，為第n年的空中交通流量數值；

影響因素主要特征序列為：

其中：為第一個主要特征的原始數據序列，為第一個主要特征第一年的主要特征數值，為第一個主要特征第二年的主要特征數值，為第一個主要特征第n年的主要特征數值，為第N-1個主要特征的原始數據序列，為第N-1個主要特征第一年的主要特征數值，為第N-1個主要特征第二年的主要特征數值，為第N-1個主要特征第n年的主要特征數值；

步驟5.2：對原始數據序列進行一次累加生成處理，得到生成序列為：

其中，為空中交通流量的生成序列，為前一年的空中交通流量累加數值，為前兩年的空中交通流量累加數值，為前n年的空中交通流量累加數值，為第一個主要特征的生成序列，為第一個主要特征前一年的主要特征累加數值，為第一個主要特征前兩年的主要特征累加數值，為第一個主要特征前n年的主要特征累加數值，為第N-1個主要特征的生成序列，為第N-1個主要特征前一年的主要特征累加數值，為第N-1個主要特征前兩年的主要特征累加數值，為前n年的主要特征累加數值；

步驟5.3：利用一次累加生成數列擬合微分方程，即：

其中表示空中交通流量的生成序列對時間t求導，表示第二個主要特征的生成序列，由最小二乘法求出參數列a,b₂,b₃,…,b_N；解上述微分方程，得時間響應函數，即：

其中：表示第一年空中交通流量的累加預測值，表示第二年空中交通流量的累加預測值，b_j表示微分方程中求解出的第j個參數，表示第j-1個主要特征前兩年的主要特征累加數值，表示第j-1個主要特征前n年的主要特征累加數值，表示第n年空中交通流量的累加預測值；

步驟5.4：對時間響應函數求導還原得預測方程，最終獲得對歷史年份的空中交通流量的預測值

其中：表示第一年空中交通流量的預測值，表示第二年空中交通流量的預測值，表示第n-1年空中交通流量的累加預測值，表示第n年空中交通流量的預測值；

步驟6：建立長短期記憶網絡戰略流量預測模型；

步驟7：建立灰色長短期記憶網絡組合預測模型。

2.根據權利要求1所述的基于灰色長短期記憶網絡的管制空域戰略流量預測方法，其特征在于，步驟2中對于數據集中的缺失值，采用均值法填補空缺的數據記錄；對于數據中的異常值，利用插值法對異常值進行替換處理。

3.根據權利要求1所述的基于灰色長短期記憶網絡的管制空域戰略流量預測方法，其特征在于，步驟3的具體過程如下：

步驟3.1：首先將流量數據集作為參考向量，所有影響因素數據集作為比較向量，并采用初值化變換對參考向量和比較向量進行無量綱化處理；

步驟3.2：計算參考向量和任意比較向量之間的灰色關聯系數向量ξ，計算公式為：

其中，Δ為所有比較向量與參考向量之差的絕對值，m為Δ中的最小值,M為Δ中的最大值,ρ∈[0,1]為分辨率系數；

步驟3.3：計算灰色關聯系數向量中元素的平均值，得到參考向量與所有比較向量之間的灰色關聯度；最后，根據關聯度大小對影響因素進行篩選，得到初步篩選后的影響因素。