张柯

摘要：近年来，我国互联网技术不断提高，电子设备的广泛应用，导致电磁干扰现象越发严重。民航无线电干扰成为影响民航系统正常服务的主要因素，不仅会干扰民航飞机的正常运行，也会妨碍我国民航事业的稳定发展。

关键词：粗糙集；BP神经网络；民航无线电干扰预测

中图分类号：TP571 文献标识码：A 文章编号：1007-9416（2018）08-0203-01

近幾年，国内民航事业发展迅猛，航班流量和客货运输量在不断增加，这要求了我国民航事业中必须提高民航空中交通管理部门的管制技术，提高通信质量和覆盖范围，保证民航通信系统的稳定性。因此，本文通过融合粗糙集与BP神经网络的民航无线电干扰预测方法，提高对无线电干扰的预测效率，为民航事业保驾护航。

1 粗糙集与BP神经网络相结合的干扰预测方法

由于民航无线电经过粗糙理论约简后出现两种结果，第一，减少了干扰报告数据冗余；第二，降低了干扰报告的复杂性，因此，借助粗糙理论不但能够有效提高BP神经网络对无线电干扰的预测效率，而且权衡了BP神经网络处理能力弱、收敛困难以及训练时间较长等缺点。

2 预测方法的性能与测试

2.1 测试方法

进行测试的前提需要经过以下三个步骤：第一，借助粗糙集将学习样本数据进行约简，从而获取最小条件属性集；第二，将最小条件属性集当作训练样本集，并传输至BP神经网络中进行训练；第三，训练结束后的BP神经网络输入到测试样本集中绩效测试。

2.2 测试结果

本文收集了某管制区的民航无线电干扰报告数据，并将这类数据视为训练样本，此外，对该训练样本进行约简处理，最小条件属性集就是约简后的产物，将该产物视为学习样本并输入到BP神经网络隐层中。图1为网络训练误差曲线图。

本文为了使实验更加具有说服力，将没有经过粗糙集优化的学习样本输入到上文的神经网络中，使其所形成的训练误差曲线图1与图2进行比对。

融合了粗糙集的神经网络预测方法的准确率为72.72%，而未与粗糙集融合的神经网络的准确率为63.64%。从以上的数据来看，融合了粗糙集的神经网络的训练步数较少，且预测准确率较高。

3 结语

本文首先阐述了粗糙集与神经网络融合的优势和可行性，其次对其基本的步骤和数据处理流程进行了相应的概括，最后通过仿真实验来比对融合粗糙集与未融合粗糙集的神经网络预测方法的优越性，从各组数据来看，融合粗糙集的神经网络预测方法在处理数据方面较为优越。

参考文献

[1]马艳茹.民航通信导航系统的设计浅析[J].中国新通信，2016，18（17）：27.

[2]张鹏，郝一川.粗糙集-神经网络在民航飞机故障数据处理中的应用[J].控制工程，2016，23（01）：87-90.