飞机噪声距离特性回归模型的优选研究  

Study on Optimization of Aircraft Noise-distance Characteristic Regression Model

作　　者：刘洲[1] 蔡良才[1] 邵斌[1] 王海服 郭磊 

机构地区：[1]空军工程大学,西安710038 [2]济南军区建筑设计院,济南250002

出　　处：《科学技术与工程》2013年第15期4470-4474,共5页Science Technology and Engineering

基　　金：空军后勤部科研项目(BKJ10J016)资助

摘　　要：对飞机噪声距离特性(NPD)回归模型的选用进行了研究。通过NPD曲线特征分析给出了线性模型、多项式模型、神经网络和支持向量机(SVM)等四种备选回归模型,结合F16战斗机NPD数据实例对比研究了各种模型的回归与预测效果。结果表明,SVM模型误差最小,性能最稳定,其它模型回归内插精度较高,但外推预测误差较大,性能不够稳定。On the selection of aircraft noise-distance characteristic （NPD） regression model, By analyzing the characteristic of NPD curves, four regression models such as linear model, polynomial model, neural network and support vector machine （SVM） are nominated, and their effect are studied and compared with an example of F16 fighter plane＇s NPD data. The results indicate that SVM model is the stablest and accuratest while other models work well in interpolation but not in extrapolation.

关 键 词：飞机噪声距离特性 回归模型 外推预测 模型优选 

分 类 号：X827[环境科学与工程—环境工程]