基于LSTM的机场跑道视程预测1.docxVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

基于LSTM的机场跑道视程预测

随着航空业的蓬勃发展,机场跑道视程的精确预测对于航班的正常运行至关重要。机场跑道视程指的是观测者从地面到跑道中点的可见范围。跑道视程的准确预测可以帮助航空公司和机场管理部门做出正确的运行决策,提高航班的准时率和安全性。

然而,由于跑道视程受到天气等多种因素的影响,其变化范围较大且难以预测。传统的预测方法通常基于统计模型,但由于跑道视程具有相对短期的变化规律,传统方法的预测精度较低,难以满足实际需求。

近年来,基于深度学习算法的时间序列预测方法得到了广泛关注。LSTM(LongShort-TermMemory)作为一种特殊的循环神经网

文档评论(0)

187****9924 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档