詹 韧,张登成,郑无计.基于PCA优化的神经网络飞机燃油消耗预测方法[J].测控技术,2019,38(5):40-43
基于PCA优化的神经网络飞机燃油消耗预测方法
Prediction Method of Aircraft Fuel Consumption Based on Neural Networks Optimized by PCA
  
DOI:10.19708/j.ckjs.2019.05.009
中文关键词:  飞机燃油消耗  主成分分析法  神经网络  K-S检验法
英文关键词:aircraft fuel consumption  principal component analysis  neural nework  K-S check
基金项目:国家自然科学基金项目(A020408)
作者单位
詹 韧 空军工程大学 航空工程学院 
张登成 空军工程大学 航空工程学院 
郑无计 空军工程大学 航空工程学院 
摘要点击次数:837
全文下载次数:461
中文摘要:
      针对传统方法存在的不足,提出了基于主成分分析法优化的Elman神经网络飞机燃油消耗预测方法。利用主成分分析法降低神经网络输入维数。构建主成分分析与Elman神经网络模型,进行基于飞参数据的实例分析,并将几种神经网络的预测效果进行了对比;提出了基于K-S检验法预测结果冗余修正法并进行了修正。误差指标和预测图像表明与主成分分析结合后Elman神经网络对飞机燃油消耗的预测性能优于其他传统神经网络,且K S检验法能够有效实现对预测结果的修正。
英文摘要:
      The Elman neural network prediction method improved by principal component analysis(PCA)is presented to prevent the current flaws of the traditional methods.The PCA reduced the input dimension of the neural network.The established model of Elman neural network and PCA analyzed the instance based on the flight data.The results predicted by specific neural networks were compared as well.The redundancy modification method based on K-S check was proposed,which revised the final prediction result.The error index and prediction image indicates that the prediction performance of aircraft fuel consumption of Elman neural network combined with PCA is better than other traditional neural networks.K-S check can correct the prediction results effectively.
查看全文  查看/发表评论  下载PDF阅读器
关闭