58、基于选择性集成的机场噪声预测模型

基于选择性集成的机场噪声预测模型

机场噪声预测对于机场和航班的设计至关重要。支持向量机（SVM）已被证明具有良好的预测能力，但监测数据中的异常值会降低其预测性能。为解决这一问题，本文提出了基于局部离群因子的模糊支持向量回归（LOF - FSVR）算法，并在此基础上构建了选择性集成预测模型。

1. SVR与FSVR

• 支持向量回归（SVR）
  • 当支持向量机用于解决回归问题时，称为支持向量回归（SVR）。对于训练集 (T = {(x_i, y_i)|x_i \in R^n, y_i \in R, i = 1, 2, \cdots, l})，SVR首先通过非线性映射函数 (\varphi) 将输入空间映射到高维空间，然后在高维空间进行线性回归，该问题可转化为约束优化问题：
    [
    \begin{align }
    \min&\quad\frac{1}{2} |w|^2 + C \sum_{i = 1}^{l} (\zeta_i^- + \zeta_i^+)\
    \text{s.t.}&\quad\begin{cases}
    y_i - (w \cdot \varphi(x_i)) - b \leq \varepsilon + \zeta_i^-\
    (w \cdot \varphi(x_i)) + b - y_i \leq \varepsilon + \zeta_i^+\
    \zeta_i^-, \zeta_i^+ \geq 0, \quad i = 1, 2, \cdots, l
    \end{cases}
    \end{align