航空騒音予測のための多源データ統合:ハイブリッドCNN-BiLSTM注意モデルアプローチ
Yinxiang Fu1, Shiman Sun2,3, Jie Liu1
1Chongqing Airport Group Co., Ltd., Chongqing 401120, China.
Sensors (Basel, Switzerland)
|August 28, 2025
まとめ
この研究は,従来の方法の限界を克服し,正確な航空機の騒音予測のための新しいCNN-BiLSTM-Attentionモデルを導入します. ハイブリッドモデルは様々なデータを効果的に統合し,航空騒音管理を改善します.
科学分野:
- 環境科学
- 航空宇宙工学
- データサイエンス
背景:
- 航空機の騒音汚染は環境への懸念が高まっており,航空産業の持続可能性を阻害しています.
- 既存の騒音予測モデルは 不完全なデータや時空の不一致や気象学的変動に 苦しんでいます
- 航空騒音の正確な管理は,従来の予測方法の限界のために困難です.
研究 の 目的:
- 高精度な航空機の騒音予測の枠組みを開発する.
- データの不足に対処し,騒音モデリングにおける時空的な一貫性を改善する.
- 航空騒音管理戦略を高度な予測能力によって強化する.
主な方法:
- ハイブリッドコンボリューションニューラルネットワーク-双方向の長期短期記憶-注意 (CNN-BiLSTM-Attention) モデルを提案した.
- 複数の情報源から集約されたデータ:気象パラメータと航空機の軌道の情報
- ハーバーサイン式と逆距離加重 (IDW) を用いてデータ計算と時空調整を行った.
主要な成果:
- CNN-BiLSTM-Attentionモデルは,0.89%の平均絶対誤差で,高精度のノイズ予測を達成しました.
- 予測誤差は予測ラウンドの91.4%で2%以下であり,高い精度を示した.
- アブラーション研究では,注意力メカニズムがパフォーマンスを大幅に向上させることで,単一構造のアプローチよりも完全なハイブリッドモデルの優位性を確認しました.
結論:
- 提案されたCNN-BiLSTM-Attentionフレームワークは,航空騒音予測のための信頼性と正確なソリューションを提供します.
- このモデルは,データ不足の状況下でも,複雑な時空的なノイズ特性を効果的に捉えます.
- この研究は,航空騒音管理の改善のための科学的基盤を提供し,現在の予測方法の主要な限界に対処します.
