论文部分内容阅读
飞行流量预测是空中交通流量管理工作的重要组成部分,预测精度直接影响着管理活动的效率。传统的以BP神经网络算法为主的人工智能预测方法对初始参数具有较强的依赖性,致使预测精度不高。基于量子遗传优化BP神经网络的流量预测模型是运用量子遗传算法求解出BP神经网络的最佳初始权值与阈值,可用修正算法的缺陷从而训练出更优秀的BP网络以提高预测模型的精度。通过对A461航路上BUBDA强制报告点624个小时段过点飞行流量历史数值进行计算,并与BP神经网络模型和遗传神经网络模型的预测结果进行对比,运用基于量子遗传优化BP神