《基於時序相似性的機場噪聲監測點互動預測》是依託南京航空航天大學，由陳海燕擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於時序相似性的機場噪聲監測點互動預測
- 項目類別：青年科學基金項目
- 項目負責人：陳海燕
- 依託單位：南京航空航天大學
項目摘要,結題摘要,
項目摘要
針對目前機場噪聲監測系統可能出現的因監測點異常而無法準確反饋所在區域噪聲的問.題，本項目擬建立一種基於監測點之間時序相似性的關聯預測模型，用軟體的方法來發現監測.點的異常並預測監測失效區域的噪聲情況。項目的主要研究內容包括：1、機場噪聲監測點時間序列相似性研究，重點研究監測點之間的時序相似性度量、異常監測點的判定及關聯監測點的篩選；2、基於時間序列相似性的特徵加權支持向量機研究，重點研究基於關聯監測點集合的預測模型訓練集的準備，以及特徵加權矩陣的計算和套用；3、基於加權特徵支持向量回歸的失效監測點關聯預測模型研究，重點研究不同監測頻率噪聲數據集上，及採用不同特徵權值計算方法時，關聯預測模型預測能力的驗證。
結題摘要
針對機場噪聲監測系統可能出現的因監測點異常而無法準確反饋所在區域噪聲的問題，本項目研究了一種基於監測點之間時序相似性的關聯預測模型，用軟體的方法來發現監測點的異常並預測監測失效區域的噪聲。項目的主要研究內容包括： 1、 提出了一種基於終點疊代擬合算法的時間序列趨勢分段特徵表示方法IEPF-TSR，對海量高維機場噪聲監測數據進行表示。該方法能準確提取時間序列數據中關鍵的趨勢轉折點，去除冗餘的數據，在高效降維的同時，充分保留機場噪聲時間序列的趨勢信息。在標準集上的實驗結果表明，該時間序列表示法在提升分類精度和降維率方面都大大優於同類方法。 2、 基於IEPF-TSR，提出了一種時間序列相似性度量方法TSR-DIST，對不同機場噪聲監測點之間的時序相似性進行了度量。該方法與動態時間規整自動尋找最優相似性度量路徑的原理相結合，分別從趨勢分段均值和分段趨勢兩個方面綜合度量了序列間的相似性。標準集上的對比實驗表明：所提出的時間序列相似性度量方法TSR-DIST的度量性能要優於其他同類方法，能更好的提升分類算法的分類精度。 3、 根據TSR-DIST度量結果，篩選出關聯監測點集合；根據時序相似度定義每個關聯監測點的權重；建立了一種特徵加權支持向量回歸模型；最後在不同採樣間隔的噪聲數據上驗證了該模型的預測效果和泛化能力。實驗結果表明，所提出的FWSVR方法相比其他同類方法能取得更好的預測精度，預測誤差達到課題要求。
