文献

J-GLOBAL ID：201702276310916110   整理番号：17A0102102

航空交通流の最適化予測シミュレーション【JST・京大機械翻訳】

Simulation of Air Traffic Flow Optimization Prediction

著者 (4件)： Zhou Zhijing (Air Control and Navigation College,Air Force Engineering University) ,  Chen Jinliang (Air Control and Navigation College,Air Force Engineering University) ,  Shen Hua (Air Control and Navigation College,Air Force Engineering University) ,  Zhang Jianfeng (Air Control and Navigation College,Air Force Engineering University)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 33  号： 8  ページ： 54-57  発行年： 2016年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 飛行流量予測は航空交通量管理の重要な部分であり,予測精度は管理活動の効率に直接影響する。従来のBPニューラルネットワークアルゴリズムを主とする人工知能予測方法は初期パラメータに強い依存性があり、予測精度が高くない。量子遺伝的最適化BPニューラルネットワークに基づく交通量予測モデルは,量子遺伝的アルゴリズムを用いてBPニューラルネットワークの最適初期重みと閾値を解決し,修正アルゴリズムの欠陥を用いて,BPニューラルネットワークを訓練し,予測モデルの精度を改善した。本論文では,A461経路上のBUBDAの強制的報告により,点624の小期間の通過飛行の歴史的数値を計算し,BPニューラルネットワークモデルと遺伝的ニューラルネットワークモデルの予測結果と比較した。量子遺伝的最適化に基づくBPニューラルネットワーク予測モデルの予測精度は,前者のものよりもそれぞれ7%と2%高く,より高い適用性を持っている。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 流量 ,  *交通流 ,  予測モデル ,  交通量 ,  適応性 ,  人工知能 ,  *最適化 ,  予測技法 ,  遺伝 ,  アルゴリズム ,  航空輸送
準シソーラス用語： 神経回路網モデル ,  遺伝的最適化 ,  逆伝播ニューラルネットワーク ,  予測精度 , 【Automatic Indexing@JST】

著者キーワード (4件)： Air traffic flow ,  Quantum genetic algorithm ,  Neural network ,  Prediction

分類 (2件)： 配管材料,弁  (QD05020E) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 最適化 ,  予測 ,  シミュレーション