安全科学与灾害防治论文_冰雪天气下基于MFOA-K

文章摘要:道面温度短时精准预测是跑道积冰预警的关键因素之一，为了解决单一机理模型随预测时间延长而造成误差累积的问题，提出一种冰雪天气下跑道温度混合预测方法。将跑道温度机理模型与核极限学习机（KELM）相结合，建立一种数据驱动修正残差的跑道温度机理混合预测模型。针对果蝇算法（FOA）收敛速度慢、易陷入局部最小值的问题，引入权值更新函数和距离扩充因子，调整果蝇的全局寻优效果，避免陷入局部极小值。利用改进的果蝇算法（MFOA）对KELM的正则化参数C与核参数γ联合优化，以冰雪天气下跑道温度实际数据为例，建立基于改进果蝇优化核极限学习机（MFOA-KELM）的跑道温度混合预测模型，并在不同时间尺度下对该混合模型进行仿真测试。实验结果表明，与单一机理预测模型相比，当预测时长为120min时，MFOA-KELM混合模型的平均绝对误差至少减小了61.43%，在残差阈值为±0.5℃时，平均预测准确率为91.25%。可见MFOA-KELM混合模型具有更高的预测准确性，研究结论显示该混合预测方法能够为机场跑道温度短时精准预测提供新思路。

文章关键词:

论文DOI:10.13700/j.bh.1001-5965.2021.0646

论文分类号:V351.11;V328

上一篇：生物学论文_基于ST-LSTM的植物生长发育预测

下一篇：动力工程论文_人工智能技术在新能源功率预测的