基于Conv-LSTM融合模型的空中交通流预测

摘要：

随着民航领域在新常态下的快速恢复,国内空域流量逐渐增加,空中交通智能预测的重要性日益显著.空中交通预测有助于空管部门全面掌握空中交通态势,因此文章将一种结合了卷积神经网络和长短时记忆模型特点的Conv-LSTM融合模型应用于空中交通预测领域.实验结果表明,该模型能有效捕捉空中交通数据的时间相关性和空间相关性,为智能化空管建设提供了一定的理论参考.

关键词：空中交通流、深度学习、时空相关性、Conv-LSTM

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：内蒙古自治区直属高校基本科研业务费项目;内蒙古自治区科技计划项目;内蒙古自治区直属高校基本科研业务费项目

在线出版日期：2023-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：74-77