基于Attention-CNN神经网络的飞行高度预测方法
马姗
郭温鑫
李凤鸣
闫东峰
孙啸林
中国民用航空飞行学院飞行技术学院 德阳 618307
摘要：高精度飞行高度预测在航空安全运营与燃油经济性提升中具有决定性作用,研究开发了一种整合时序注意力机制与深度卷积架构的混合预测模型.首先应用归一化技术对飞行时序信号进行数据规约,继而设计包含多尺度卷积核特征抽取层与注意力权重分配模块的并行网络结构.通过动态调整学习速率的优化器对Huber损失函数进行梯度迭代,显著提升了模型对飞行状态非线性变化模式的表征能力.实证分析证实,该框架在高度预测任务中取得卓越性能,R2系数突破0.996 5,消融研究进一步佐证了模型组件间的协同增效机制.
关键词：QAR数据注意力机制卷积神经网络Huber损失时序预测
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(52206063)民航飞行技术与飞行安全重点实验室开放基金项目(FZ2022KF02)
论文发表日期：2025-08-20
在线出版日期：2025-12-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 38-43 )
英文信息