基于机器学习的危险飞行天气预测研究
人工智能
2024-06-19 v1 大气与海洋物理
摘要
随着航空运输规模的不断扩大，对航空气象服务的需求也不断增长。危险天气对航班安全具有关键影响。如何有效利用气象数据提高危险飞行天气的预警能力，确保飞机安全飞行，是航空气象服务的首要任务。本文使用支持向量机（SVM）模型预测危险飞行天气，尤其是针对如风暴和湍流等高不确定性气象条件。SVM 是一种监督学习方法，通过在高维空间中寻找最优决策边界来区分不同类的数据。为满足本研究需求，我们选用径向基函数（RBF）作为核函数，这有助于处理非线性问题，使模型能够更好地捕捉复杂的气象数据结构。在模型训练阶段，我们使用来自多个气象站的历史观测数据，包括温度、湿度、风速、风向等与航班安全密切相关的气象指标。从这些数据中，SVM 模型学习如何区分正常飞行天气和危险飞行天气条件。
引用
@article{arxiv.2406.12298,
title = {Research on Dangerous Flight Weather Prediction based on Machine Learning},
author = {Haoxing Liu and Renjie Xie and Haoshen Qin and Yizhou Li},
journal= {arXiv preprint arXiv:2406.12298},
year = {2024}
}