冰雪天气下基于MFOA-LSSVR的跑道温度预测

摘要

跑道温度是跑道结冰的重要因素。针对机场跑道温度短时预测问题,提出一种改进果蝇算法优化最小二乘支持向量回归机(MFOA-LSSVR)的跑道温度预测方法。在原始果蝇算法(Fruit Fly Optimization Algorithm, FOA)中引入指数更新函数和距离扩张因子以增强果蝇种群全局寻优能力,避免其陷入局部极小值。同时考虑跑道温度多种影响因素对模型预测精度的影响,选用Spearman相关系数确定跑道温度主要影响特征。以冰雪天气下跑道温度的实际数据,对该模型进行仿真测试。结果显示:与果蝇优化最小二乘支持向量回归机(FOA-LSSVR)、反向传播(Backpropagation, BP)神经网络、机理模型、MFOA-LSSVR单变量模型相比,MFOA-LSSVR预测模型的平均绝对误差至少分别提高了17.24%、25.37%、69.76%和10.88%。实验结果验证了所提方法的有效性和泛化性,能够为跑道温度短时预测提供有效思路。