基于神经网络的飞行高度预测方法

本发明适用于飞行高度预测技术领域，尤其涉及基于神经网络的飞行高度预测方法，所述方法包括：采集客机的传感器数据，通过基于分布分位数阈值的动态截断机制抑制离群数据点；采用时序切片划分策略对传感器数据进行划分，得到训练集和验证集，基于训练集和验证集构建预测特征集；构建飞行高度预测模型，通过预测特征集对飞行高度预测模型进行训练，基于训练后的飞行高度预测模型对飞行高度进行预测。本发明应用归一化技术对飞行时序信号进行数据规约，设计包含多尺度卷积核特征抽取层与注意力权重分配模块的并行网络结构，通过动态调整学习速率的优化器对Huber损失函数进行梯度迭代，显著提升了模型对飞行状态非线性变化模式的表征能力。