1、中國民航的迅猛發(fā)展令世界矚目，民航在國家綜合交通運輸體系中的比重也不斷提升，對國家經(jīng)濟、社會發(fā)展和改革開放做出了新的更大貢獻。但是，不斷新建、擴建的機場和持續(xù)增長的航空運輸量，也使得困擾中國民航已久的機場噪聲問題愈發(fā)嚴重。為了建設綠色的現(xiàn)代化民用航空體系，實現(xiàn)民航業(yè)的持續(xù)健康發(fā)展，迫切需要利用先進的信息技術在監(jiān)測數(shù)據(jù)上進行進一步的科學預測，進而為民航相關部門提供決策支持。因此，將預測技術應用于實際噪聲預測問題中，具有重要的理論研究價值和

2、實際意義。
　　支持向量回歸，具有其它以經(jīng)驗風險最小化原理為基礎的算法難以比擬的優(yōu)越性，同時，由于其具有算法簡單、不存在局部最小和維數(shù)災難問題以及泛化能力強等優(yōu)點，適合于進行時間序列預測，因此，本文使用的時間序列預測方法主要為支持向量回歸。
　　在直接進行支持向量回歸的基礎上，考慮分類的思想，將樣本先進行分類處理后，在每個類內部再使用支持向量回歸，有效減小樣本差異性，能夠取得較好的效果。而考慮機場噪聲本身，會出現(xiàn)分類標準不清

3、晰以及分類數(shù)量無法確定的情況，針對這種情況，并結合聚類分析特點，本文提出了聚類再回歸的時間序列預測方法。
　　單一聚類容易受初始化狀態(tài)和參數(shù)影響，而聚類效果對于預測效果的有較大影響，如果聚類效果不佳，反而會加大類內部樣本差異，從而使回歸時預測偏差加大。為了解決單一聚類算法不穩(wěn)定的問題，本文提出了聚類集成后回歸的算法，采用概率模型的關系矩陣疊加，來對單一聚類效果進行集成。為了驗證本文所提出方法的有效性，在常用數(shù)據(jù)集上進行了實驗，并將