Predikce dosažení význačných bodů v trajektorii letu

Abstract

Tato bakalářská práce se zabývá analýzou aplikací pravděpodobnostního statistického modelu a modelu neuronových sítí na prostorová data pro predikce času, ve kterém letadlo dosáhne zadaných významných bodů na své trajektorii, a navrhuje alternativní způsob predikce pro časová data. Teoretická část práce se skládá z kvalitativní analýzy stávajících metod aplikovaných na predikci trajektorie letadla na prostorových datech, definice klíčových parametrů a vyhodnocení výkonnosti modelů. V této části bude také popsána teoretická definice alternativní metody pro časová data, metoda extrakce dat, nástin jejích struktury a jejích zpracování. Praktická část práce popisuje implementaci LSTM sítě na časových datech a provádí fine-tuning experimenty pro testování možného použití a vlivu nenumerického parametru na výkon modelu. Ačkoli z výsledků získaných analýzou byla prokázána významnost geografických dat pro predikci doby přiblížení, predikce časové řady provedená modelem LSTM výhradně s použitím časových parametrů prokázala proveditelné výsledky.

This bachelor’s thesis deals with analysis of applications of probabilistic statistical and neural network models on spatial data for predictions of time in which the aircraft reaches the specified significant points in its trajectory and proposes an alternative method of prediction for temporal data. Theoretical part of the thesis at hand is comprised of qualitative analysis of the existing methods applied to aircraft trajectory prediction on spatial data, definition of the key parameters, evaluation of the performance of the models. Theoretical definition of alternative method for temporal data obtained from flight planning, data extraction method, outline of its structure and its processing will be described in this part as well. The practical part of the thesis describes the implementation of LSTM network on the temporal data and performs fine-tuning experiments for testing the possible usage and influence of a non-numerical parameter on the model performance. Although, from the results obtained from the analysis, significance of geographical data for the approach time prediction was demonstrated, a time-series prediction made by an LSTM model exclusively using temporal parameters proved to produce viable results.