| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 机场噪声预测的研究现状 | 第10-12页 |
| 1.2.1 基于NPD曲线的预测方法 | 第10-11页 |
| 1.2.2 基于机器学习的预测方法 | 第11-12页 |
| 1.3 本文研究方法及技术路线 | 第12-14页 |
| 第二章 机场噪声预测基础知识 | 第14-20页 |
| 2.1 机场噪声评价标准 | 第14-16页 |
| 2.2 噪声预测时需要考虑的环境因素 | 第16-19页 |
| 2.3 其他多方面原因引起的衰减 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 贝叶斯理论基础 | 第20-30页 |
| 3.1 贝叶斯理论及定理 | 第20-21页 |
| 3.2 朴素贝叶斯模型 | 第21-23页 |
| 3.3 朴素贝叶斯改进模型 | 第23-24页 |
| 3.3.1 基于权重的朴素贝叶斯模型 | 第23页 |
| 3.3.2 基于k-近邻的局部加权朴素贝叶斯模型 | 第23-24页 |
| 3.4 贝叶斯网模型 | 第24-29页 |
| 3.4.1 贝叶斯网理论 | 第24-25页 |
| 3.4.2 贝叶斯网的结构学习 | 第25-27页 |
| 3.4.3 贝叶斯网的参数学习 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 基于贝叶斯的机场噪声预测修正模型 | 第30-51页 |
| 4.1 传统机场噪声预测模型的问题 | 第30-35页 |
| 4.1.1 传统模型预测误差 | 第30-31页 |
| 4.1.2 外界环境对噪声传播的影响 | 第31-35页 |
| 4.1.3 问题总结 | 第35页 |
| 4.2 机场噪声预测修正模型 | 第35-38页 |
| 4.2.1 预测修正原理 | 第35-36页 |
| 4.2.2 特征变量的选择 | 第36-38页 |
| 4.3 基于聚类的朴素贝叶斯集成机场噪声预测修正模型 | 第38-44页 |
| 4.3.1 机场噪声训练集的k-means聚类 | 第39页 |
| 4.3.2 基于聚类的朴素贝叶斯集成机场噪声预测修正流程 | 第39-41页 |
| 4.3.3 实验结果与分析 | 第41-44页 |
| 4.4 基于贝叶斯网的机场噪声预测修正模型 | 第44-49页 |
| 4.4.1 基于禁忌约束搜索的贝叶斯网构建算法 | 第44-47页 |
| 4.4.2 实验结果与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 机场噪声批量预测系统的实现 | 第51-64页 |
| 5.1 批量预测流程 | 第51-52页 |
| 5.2 数据兼容性问题 | 第52-53页 |
| 5.3 机场噪声批量预测系统的实现 | 第53-59页 |
| 5.3.1 NoiseMap简介 | 第53-54页 |
| 5.3.2 航迹批量导入程序框架 | 第54-55页 |
| 5.3.3 BatchVector.py航迹自动矢量化程序 | 第55-59页 |
| 5.4 实验及结果 | 第59-63页 |
| 5.5 本章小节 | 第63-64页 |
| 第六章 总结 | 第64-66页 |
| 6.1 本文的主要工作 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
