基于在线更新LSTM网络的短期4D航迹预测算法

来源：信号处理杂志 2021年第1期北京时间：

作者：石庆研, 王文青, 韩萍

摘要：航班飞行过程中一些因素会对当前飞行轨迹产生影响，从而导致实时航迹与历史航迹相比有一定的差异，使得仅基于历史航迹数据的航迹预测模型的预测性能变差。为解决该问题，提出了一种基于在线更新长短期记忆（Long Short-Term Memory，LSTM）网络的短期4D航迹预测算法，该算法由基于历史航迹数据的预测模型初始化参数训练和基于实时航迹数据的预测模型参数在线更新两部分构成。首先建立基于LSTM神经网络的航迹预测模型，使用历史航迹数据进行训练并保存训练完成的预测模型参数，然后使用实时航迹数据对航迹预测模型进行在线训练并微调参数，使用在线更新参数后的预测模型实现4D航迹短期预测，以期达到提升预测准确度的目的。利用实际航迹数据对算法的性能进行验证，结果表明新方法能够考虑实时飞行过程中各因素对航迹产生的影响，有效提升经度、纬度、高度和时间的预测准确度，并具有良好的泛化能力。

关键词：4D航迹预测, 在线更新, 长短期记忆网络, 循环神经网络