融合自注意力机制对机场低能见度预测研究
袁敏
李忠堃
中国民用航空飞行学院空中交通管理学院 广汉 618307
摘要：针对现有的机场低能见度预测耗时长、费力多且精度低的问题,论文提出融合自注意力机制的神经网络预测模型,以2003年-2023年4月近20年重庆江北国际机场的逐时报文数据分区间作为输入,实现对未来不同步长的低能见度预测.所构建的模型在传统神经网络RNN、LSTM和GRU框架下分别融合自注意力机制(Self-attention)和ProbSparse(概率稀疏)自注意力机制,提取输入数据序列的信息并对影响低能见度的因子之间复杂非线性关系建模.最后,选用平均绝对误差(MAE)、均方根误差(RMSE)和对称平均绝对百分比误差(SMAPE)作为上述九个模型的评价指标.结果表明:在低能见度两个区间内,融合自注意力机制后的预测模型MAE、RMSE、SMAPE分别降低7.3%、1.86%、4.6%以上,为机场再发生低能见度天气时,可根据要输出步长的不同来选择相应的网络模型,实现较为准确的预测.
关键词：低能见度预测自注意力机制概率稀疏自注意力机制循环神经网络机场安全运行
分类号：TP393(计算技术、计算机技术)F562.3(航空运输经济)
论文发表日期：2025-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 45-51 )
英文信息