文献

J-GLOBAL ID：201802265483020182   整理番号：18A1820736

GMMに基づく軌道予測アルゴリズム研究【JST・京大機械翻訳】

Study on Algorithm for Flight Trajectory Prediction Based on GMM

著者 (4件)： Lin Yi (四川大学視覚合成図形図像技術国防重点学科実験室,四川成都 610065;四川大学国家空管自動化系統技術重点実験室,四川成都 610065) ,  Zhang Jianwei (四川大学視覚合成図形図像技術国防重点学科実験室,四川成都 610065;四川大学国家空管自動化系統技術重点実験室,四川成都 610065) ,  Wu Xiping (四川大学視覚合成図形図像技術国防重点学科実験室,四川成都 610065;四川大学国家空管自動化系統技術重点実験室,四川成都 610065) ,  Liu Yu (四川大学視覚合成図形図像技術国防重点学科実験室,四川成都 610065;四川大学国家空管自動化系統技術重点実験室,四川成都 610065)
資料名： Sichuan Daxue Xuebao. Gongchengkexueban  (Sichuan Daxue Xuebao. Gongchengkexueban)
巻： 50  号： 4  ページ： 104-109  発行年： 2018年 
JST資料番号： C2596A  ISSN： 1009-3087  CODEN： SXGKFI  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： 軌道予測は,航空交通管理とシミュレーション技術の基礎である。既存の予測方法の予測精度と安定性の不足のため,履歴レーダデータと機械学習に基づく軌道予測アルゴリズムを提案した。確率的統計モデル(Gauss混合モデル)に基づいて,この飛行経路の隣接時刻の相対的な位置オフセットをモデリングし,次に,この軌道の履歴飛行軌道をトレーニングデータとして期待値最大化の機械学習アルゴリズムを用いてモデルパラメータを最適化した。確率的統計モデルは,飛行中の航空機の運動モードを学習し,飛行過程のランダム性をより正確に記述することができる。確率統計モデルの学習に基づいて,逐次モンテカルロアイデアを用いて,各時間の相対位置オフセットベクトルシーケンスをサンプリングした。特定の軌道予測に対して、飛行機場の滑走路位置と標高情報と予測の航行位置の偏移量を用いて、各更新時刻の位置情報を予測し、最終の航路軌道を形成した。予測モデルのパラメータ更新機構の予測エラーは閾値,タイミング,手動更新を含む。提案したアルゴリズムを大規模航空交通管理システムに適用し,多くの実際の歴史的データの実験結果は,従来の運動学的方法と回帰モデルと比較して,本アルゴリズムがより正確で,安定した軌道予測の結果を得ることができることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  予測技法 ,  モデリング ,  オフセット ,  回帰モデル ,  機械学習 ,  最適化 ,  モンテカルロ法 ,  ベクトル ,  *アルゴリズム ,  飛翔 ,  レーダ ,  *軌道推定 ,  予測モデル ,  パラメータ

分類 (2件)： 計算機シミュレーション  (JE11000H) ,  数値計算  (JE02000J)

タイトルに関連する用語 (4件)： GMM ,  軌道予測 ,  アルゴリズム ,  研究