文档名：ProphetLSTM组合模型在运输航空征候预测中的应用
摘要：为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法.首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分;其次,利用长短期记忆网络(LongShort-TermMemory,LSTM)建模,获取运输航空征候万时率的非线性部分;最后,利用方差倒数法建立Prophet-LSTM组合模型,使用建立的组合模型对2021年1-12月运输航空征候万时率进行预测,将预测结果与实际值进行对比验证.结果表明,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别为0.0973、16.1285％、0.1287.相较于已有的自回归移动平均(AutoRegressionIntegratedMovingAverage,ARIMA)+反向传播神经网络(BackPropagationNeuralNetwork,BPNN)组合模型和GM(1,1)+ARIMA+LSTM组合模型,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别减小了0.0259、10.4874百分点、0.0143和0.0128、2.0599百分点、0.0086,验证了Prophet-LSTM组合模型的预测精度更高,性能更优良.
Abstract：Toachieveaccuratepredictionsoftheairtransportationincidentper10000flighthoursinChina,anovelmethodthatcombinestimeseriesandneuralnetworkmodelswasproposed.First,aProphetmodelwasestablishedusingtheairtransportationincidentper10000flighthoursdatafromJanuary2008toDecember2020.TheRStudiosoftwarewasusedtofitthemodelandobtainthelinearpartoftheairtransportationincidentper10000flighthours.Secondly,anLongShort-TermMemory(LSTM)neuralnetworkmodelwasusedtocapturethenonlinearpartoftheairtransportationincidentper10000flighthours.Lastly,theProphet-LSTMcombinationmodelwasestablishedusingthereciprocalvariancemethod.Thecombinationmodelwasusedtopredicttheairtransportationincidentper10000flighthoursfromJanuarytoDecember2021,andthepredictedresultswerecomparedwiththeactualvalues.Itcanbeconcludedthatthethreemodels'responsestotheperiodicfluctuationsandevolutiontrendcharacteristicsoftimeseriesdataaregenerallyconsistentwiththeactualsituationfromthepredictedcurvechart.Allthreemodelscanbeusedtoevolvethepatternsofairtransportationincidents.However,theeffectivenessofpredictionismeasuredbythesizeofthreeindicators;EMA,EMAP,andERMS.Thesmallerthevaluesofthethreeindicatorsare,thehigherthepredictionaccuracyofthemodelis.TheresultsshowthattheEMA,EMAP,andERMSoftheProphet-LSTMcombinationmodelare0.0973,16.1285％,and0.1287.TheEMA,EMAP,andERMSoftheProphetmodelare0.1233,20.0465％,and0.1508.TheEMA,EMAP,andERMSoftheLSTMmodelare0.0988,16.3090％,and0.1325,respectively.Comparedwiththesinglemodel,theprecisionoftheProphet-LSTMcombinedmodelissignificantlyimproved,respectively.ComparedtotheexistingARIMA+BPNNcombinationmodelandGM(1,1)+ARIMA+LSTMcombinationmodel,theProphet-LSTMcombinationmodelreducestheEMA,EMAP,andERMSby0.0259,10.4874percentagepoints,and0.0143,respectively,and0.0128,2.0599percentagepoints,and0.0086.TheresultsdemonstratethattheProphet-LSTMcombinationmodelhashigherpredictionaccuracyandbetterperformance.
作者：杜红兵 邢梦柯 赵德超Author：DUHongbing XINGMengke ZHAODechao
作者单位：中国民航大学安全科学与工程学院,天津300300
刊名：安全与环境学报 ISTICPKU
Journal：JournalofSafetyandEnvironment
年，卷(期)：2024, 24(5)
分类号：X949
关键词：安全社会工程 运输航空征候 Prophet模型 长短期记忆网络(LSTM)模型 组合预测模型
Keywords：safetysocialengineering airtransportationincident Prophetmodel LongShort-TermMemory(LSTM)model combinationpredictionmodel
机标分类号：TP391F830.9X524
在线出版日期：2024年6月12日
基金项目：Prophet-LSTM组合模型在运输航空征候预测中的应用[
期刊论文] 安全与环境学报--2024, 24(5)杜红兵 邢梦柯 赵德超为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法.首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
Prophet-LSTM组合模型在运输航空征候预测中的应用 Application of Prophet-LSTM combined model in prediction of air transportation incidents
Prophet-LSTM组合模型在运输航空征候预测中的应用.pdf
- 文件大小:
- 5.7 MB
- 下载次数:
- 60
-
高速下载
|
|
