基于LightGBM的分阶段多模态航迹预测方法

摘要

航空器四维（4D,four-dimensional）航迹预测作为基于航迹运行（TBO,trajectory-based operation）的关键技术之一，具有非常重要的意义。针对数据差异性不足、关键数据获取难度大、模型复杂度高、泛化性差等问题，本文提出一种基于轻量级梯度提升机（LightGBM,light gradient boosting machine）的分阶段多模态航迹预测方法（LightGBM-based PMTPM,LightGBM-based phased multimodal trajectory prediction method）。该方法能够智能识别航空器所处的飞行阶段，并根据航空器自身传感器提供的数据，使用机载计算机预测航空器的4D航迹及实时质量。实验结果表明，在所有飞行阶段，LightGBM-based PMTPM相较于基于反向传播神经网络的分阶段多模态航迹预测方法（BPNN-based PMTPM,back propagation neural network-based phased multimodal trajectory prediction method）都表现出更优的预测性能，均方根误差（RMSE,root mean square error）分别降低了64.86%、13.15%、80.88%、77.46%、86.45%、3.46%、19.22%;LightGBM-based PMTPM的平均评估时间为59.890 ms，满足航空器4D航迹预测的准确性和实时性要求。

关键词

四维(4D)航迹预测 / 基于航迹运行(TBO) / 轻量级梯度提升机(LightGBM) / 多模态航迹预测