基于SOM神經網絡的民用機場分類方法

孫進進，王苗苗

（1.中國民航大學 機場學院，天津 300300；2.長安大學 公路學院，陜西 西安 710000）

對于事物的分類，過去人們主要利用統計學方法對事物進行分類處理，這些分類方法往往帶有較強的主觀性和任意性，不能很好地揭示待分類物之間的內在本質差別和聯系，而且數據處理的量級以及計算效率較低。自組織特征映射神經網絡（SOM）是一種無監督競爭式學習的前饋網絡，這種神經網絡接收外界輸入時，將會對應分成不同的相應區域，各相應區域對特定的輸入具有不同的響應特征，而且這個相應分類過程是網絡自動完成的。這種分類方法能夠反映輸入樣本的本質特征，大大消減一致性準則中的人為因素。

國內外已有許多學者對機場分類進行研究。例如，美國聯邦航空局FAA按照旅客吞吐量占當年旅客總運輸量的比例將美國的機場分為4類。我國楊英寶等依據旅客吞吐量以及機場當地的GDP和人口等指標對機場進行分類。褚衍昌同樣依據吞吐量與機場當地經濟指標進行分類，但通過對眾多指標的主成分分析，找出關鍵指標。

人工神經網絡具有并行處理和自適應、自組織的學習能力，對處理非線性問題十分有效。現有多種神經網絡類型，如誤差反向傳播BP（Error back prorogation）、徑向基函數神經網絡RBF（Radical Basis Function）和SOM網絡等。其中自組織特征映射神經網絡SOM（Self－Organizing feature Map）是由Kohonen提出的神經網絡數值模擬方法。SOM模擬大腦神經系統的自組織特征映射功能，可在訓練中無監督自組織學習，通過學習提取數據中的重要特征或內在規律。……