A Novel 4D Track Prediction Approach Combining Empirical Mode Decomposition with Nonlinear Correlation Coefficient
Notice bibliographique
Résumé
The accuracy of 4D track prediction plays an important role to solve the prominent contradiction between the rapid development of air transport industry and the limited resources of airspace. The conventional 4D track prediction based on the aerospace dynamic model is usually inaccurate since of weather influence and air traffic controller (ATC) factor. In this paper, an entirely data-driven nominal flight height profile prediction approach combing empirical mode decomposition (EMD) with nonlinear correlation coefficient (NCC) is proposed. Firstly, the historical tracks are implemented on EMD individually. Then according to a procedure similar to leave-one-out cross validation (LOOCV), the physical meanings of different intrinsic mode functions (IMFs) obtained by EMD are analyzed to corresponding to the various flight information. For a specified flight, the similarities between different dates are measured by NCC. Finally, a predicted nominal trajectory is obtained by summing a series of selected IMFs with a regression weight under least square optimization framework. It is demonstrated that the proposed method shows a higher prediction performance when comparing with the state of the art method named as nearest neighbor classification with dynamic time warping (DTW). La precisión de la predicción de la pista 4D desempeña un papel importante para resolver la importante contradicción entre el rápido desarrollo de la industria del transporte aéreo y los recursos limitados del espacio aéreo. La predicción convencional de la pista 4D basada en el modelo dinámico aeroespacial suele ser inexacta debido a la influencia de las condiciones meteorológicas y el factor del controlador de tráfico aéreo (ATC). En este trabajo, se propone un enfoque de predicción del perfil de altura de vuelo nominal totalmente basado en datos que combina la descomposición empírica de modos (EMD) con el coeficiente de correlación no lineal (NCC). En primer lugar, las pistas históricas se implementan en la EMD individualmente. A continuación, de acuerdo con un procedimiento similar al de la validación cruzada sin intervención (LOOCV), se analizan los significados físicos de las diferentes funciones de modo intrínseco (IMF) obtenidas por la EMD para que correspondan a las diversas informaciones de vuelo. Para un vuelo específico, se miden las similitudes entre las distintas fechas mediante NCC. Por último, se obtiene una trayectoria nominal predicha mediante la suma de una serie de FMI seleccionadas con un peso de regresión en el marco de la optimización de mínimos cuadrados. Se demuestra que el método propuesto muestra un mayor rendimiento de predicción en comparación con el método más avanzado denominado clasificación de vecinos más cercanos con deformación temporal dinámica (DTW).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».