文献

J-GLOBAL ID：201802255132630143   整理番号：18A0764224

K近傍モデルに基づく空中交通量の短期予測【JST・京大機械翻訳】

Short-term air traffic flow forecast based on K-nearest neighbor algorithm

著者 (5件)： Zhao Yuandi (中国民航大学空中交通管理学院,天津,300300) ,  Chen Junfu (中国民航大学空中交通管理学院,天津,300300) ,  Liu Zeyu (中国民航大学空中交通管理学院,天津,300300) ,  Sheng Shouqiong (中国民航大学理学院,天津,300300) ,  Bai Zhijian (中国民航大学空中交通管理学院,天津,300300)
資料名： Zhongguo Minhang Daxue Xuebao  (Zhongguo Minhang Daxue Xuebao)
巻： 35  号： 5  ページ： 1-5,11  発行年： 2017年 
JST資料番号： C3656A  ISSN： 1674-5590  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： 空中交通の短期流量を正確に予測し,空気圧の調整圧力を軽減するために,K近傍アルゴリズムを用いて,短期交通予測モデルを構築した。最初に,適切なK値を,相対誤差を比較することによって,決定した。そして,それらの相対誤差を,最初に,得ることができた。その後、元のK近傍モデルを改良し、空間パラメータを導入し、3種類の状態ベクトルを組み合わせたK近傍モデルを提案した。時間-次元モデル,時間-次元モデル,および空間-時間パラメータモデルを,本論文で提示した。いくつかのセクターのレーダデータを用いて,このモデルをテストした結果,以下のことが分かった。一方,時空間的パラメータを導入したK近傍モデルの誤差は最小で,平均は14.16%であった。指数の重みに基づく距離測定方法は,予測精度の最適化の効果を達成することができた。Gauss重み予測法は時間次元モデルにおいて逆関数法より優れており、空間パラメータを導入すると逆になる。指数関数的距離の下での逆関数法によって予測された時空間モデルの誤差は13.94%であった。改善されたK近傍モデルは異なるトラフィック状況に対して普遍性があり、予測結果は空中交通量の管理に理論的な参考を提供できる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 指数関数 ,  距離測定 ,  予測モデル ,  最適化 ,  *短期予測 ,  アルゴリズム ,  *予測 ,  *交通量 ,  予測技法 ,  *モデル
準シソーラス用語： 逆関数 ,  予測精度 ,  状態ベクトル ,  相対誤差 ,  *近傍 , 【Automatic Indexing@JST】

著者キーワード (5件)： short-term air traffic flow prediction ,  K-nearest neighbor model ,  state vector ,  space parameter ,  Gaussian function

分類 (2件)： システム・制御理論一般  (IA02010H) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 近傍 ,  モデル ,  交通量 ,  短期予測