طراحی مدلی هوشمند جهت پیش بینی سرعت و ارتفاع فاز اپروچ با استفاده از الگوریتم BI.M-LSTM

مقاله حاضر، مدلی نوآورانه (BI.M-LSTM) ترکیبی از الگوریتم (BI) و شبکه عصبی بازگشتی (LSTM) جهت پیش بینی سرعت و ارتفاع فاز اپروچ ارایه می دهد. فاز اپروچ شامل ۳ درصد از فرایند کل پرواز است و عنوان خطرناک ترین مرحله هر پرواز است. روش پیشنهادی شامل آموزش شبکه های عصبی نورونی شده با استفاده از شایستگی های هدف اسرت شده. شناسایی منور از دیتاست استاندارد مربوطه به سال های ۹۱۰۲ تا ۰۲۰۲ پس از خالص سازی، پاک سازی، نرم سازی تعداد ۱۸۸۲۳ رکورد مربوط به پارامترهای سرعت و ارتفاع در شرایط آب و هوایی، پیکربندی هواپیما، اطلاعات پرواز ترافیک هوایی انتخاب شد. شناسایی علت و اشارتگی داده های پرواز و نیز شناسایی نوعی حافظه، آموزش توسط الگوریتم (LSTM) در محیط پایتون انجام شد. پس از یادگیری، میانگین خطای مجذور انحرافات حدود ۳.۸۲ درصد شدید. نتایج نشان داد، درصد خطا اشتباه و مدل پیشنهادی ناراحت شده مدل های مشترک از اعتبار شایستگی خوردار است. این مدل شناسایی از اشکالات پیشرفته از جمله ETL، متادیتا و مانیتورینگ لحظه های مشکل اکتشافات و پاک سازی انبوه داده های پرواز را حل کرد و توانات مهمترین عامل ریاکت ایمنی فاز اپروچ یعنی کنتر سرعت و ارتفاع لندینگ را شرا دارت شرای پیش بینی کند. این الگو شرا راهبردی ارائه اعتماد شره خردمره پرواز در راسرترای کنتر پارامترهای مهم ریاکت از جمله، از دست رفتن کنتر پرواز، سرعت هواپیما، مواعیت تاچ داون و کنتر جلوگیری از خروج هواپیما از شاند کمک می کند.

کلیدواژه ها:

ریاکت ایمنی پرواز ، حمل و نقل هوایی ، مد BI.M-LSTM