Integración de datos de múltiples fuentes para la predicción del ruido de la aviación: un enfoque híbrido de modelo...

Área de la Ciencia:

• Ciencias del medio ambiente
• Ingeniería Aeroespacial
• Ciencia de los datos

Sus antecedentes:

• La contaminación acústica de las aeronaves es un problema medioambiental cada vez mayor que obstaculiza la sostenibilidad de la industria de la aviación.
• Los modelos de predicción de ruido existentes luchan con datos incompletos, inconsistencias espaciotemporales y variabilidad meteorológica.
• La gestión precisa del ruido de la aviación es un reto debido a las limitaciones de los métodos de predicción tradicionales.

Objetivo del estudio:

• Desarrollar un nuevo marco de predicción de ruido de aeronaves de alta precisión.
• Abordar la escasez de datos y mejorar la coherencia espacio-temporal en el modelado del ruido.
• Mejorar las estrategias de gestión del ruido de la aviación mediante capacidades predictivas avanzadas.

Principales métodos:

• Propuso un modelo híbrido de red neuronal convolucional-memoria a corto plazo bidireccional (CNN-BiLSTM-Attention).
• Datos integrados de múltiples fuentes: parámetros meteorológicos e información sobre la trayectoria de las aeronaves.
• Utilizó la fórmula de Haversine y la ponderación inversa de la distancia (IDW) para la imputación de datos y la alineación espacio-temporal.

Principales resultados:

• El modelo CNN-BiLSTM-Attention logró una predicción de ruido de alta precisión, con un error medio absoluto del 0,89%.
• El error de predicción se mantuvo por debajo del 2% en el 91,4% de las rondas de predicción, lo que demuestra una precisión sólida.
• Los estudios de ablación confirmaron la superioridad del modelo híbrido completo sobre los enfoques de estructura única, con el mecanismo de atención aumentando significativamente el rendimiento.

Conclusiones:

• El marco CNN-BiLSTM-Attention propuesto ofrece una solución fiable y precisa para la predicción del ruido de la aviación.
• El modelo capta eficazmente las características espaciotemporales complejas del ruido, incluso en condiciones de escasez de datos.
• Este estudio proporciona una base científica para mejorar la gestión del ruido de la aviación y aborda las principales limitaciones de las metodologías de predicción actuales.