一种基于SVR的飞机巡航段油耗预测方法

针对飞机巡航段燃油消耗量预测问题,提出一种基于支持向量回归机(SVR:Support Vector Regression)的预测建模方法,并应用Grid-Search参数寻优法优化模型参数,基于真实QAR数据建立SVR预测模型,并从平方相关系数和平均绝对百分误差两个不同指标与BP神经网络模型的预测结果进行比较,比较结果表明:SVR预测模型的预测结果精度高。     

基于数字地形的机场终端区离场航迹预测

高效准确的航迹预测能够掌握飞机的运行轨迹,是空管自动化与智能化领域的关键要素,旨在提高空中交通的运行能力和可预测性。针对高原机场终端区内离场航空器运行,通过挖掘大量历史数据的特征关系,提出基于长短时记忆(Long Short-Term Memory, LSTM)神经网络的航迹预测模型。此外,考虑高原机场复杂的地形环境使得离场航空器安全运行条件更为严苛,引入支持向量回归(Support Vector Regression, SVR)算法建立数字地形模型,得到离场航迹上经纬度所对应地形高度的剖面图。采用拉萨贡嘎国际机场的真实离场航迹与地形数据进行实例验证,结合地形条件对所预测离场航迹的安全性进行评估。实验结果表明：基于LSTM神经网络建立的离场航迹预测模型具有较高的精度,且离场航空器能够实现满足最小超障余度的安全运行。     

改进的多级涡轮噪声经验预测模型

基于早期的涡轮噪声经验预测模型和涡轮噪声试验数据,对影响涡轮噪声的关键涡轮参数进行了分析,发展了改进的多级涡轮噪声经验预测模型.该模型由单级涡轮噪声计算、涡轮噪声在下游涡轮级中传播的衰减量计算和各级涡轮噪声叠加3个部分组成.采用涡轮噪声试验数据对单级涡轮噪声计算方法进行了验证.结果表明:该单级涡轮噪声计算方法的计算结果误差小于1.5dB.由试验数据拟合得到的涡轮噪声叶片排衰减经验预测模型也被应用于该改进的多级涡轮噪声经验预测模型中.与早期经验预测模型相比,改进模型的计算方法更合理,噪声预测结果更可靠.      

改进的单级风扇单音噪声解析预测模型

针对单级轴流风扇单音噪声的声模态与声功率(PWL)预测,基于早期的二维叶栅噪声解析预测模型,开发了改进的三维单级风扇噪声解析预测模型。主要目的是可以通过该预测方法快速、准确地给出声场信息以优化风扇设计方案。该模型由模拟转子粘性尾迹,求解静子表面非定常载荷以及模拟管道噪声传播三个部分组成,并采用单级轴流风扇噪声试验数据对该解析预测模型的结果进行了验证。与试验数据相比较,该解析预测模型1BPF单音噪声预测结果误差1.5dB,2BPF单音噪声预测结果误差5dB,同时给出了合理的周向与径向模态声场模拟结果。与传统的叶轮机噪声解析预测模型相比,该方法不仅考虑了三维几何,还可以模拟出管道内的声场结构,计算方法更为合理,噪声预测结果也更为可靠,具有很好的工程应用价值。     

基于支持向量回归的机场旅客吞吐量预测

在分析现有机场旅客吞吐量预测方法不足的基础上,利用基于结构风险最小化原则的支持向量回归方法,建立了机场旅客吞吐量预测模型。通过实际数据的检验及与BP神经网络等方法的预测结果比较,证明应用支持向量回归方法对机场旅客吞吐量进行预测具备可行性,同时具有较高的预测精度。     

飞机空调系统频发故障模型构建及预测

利用时间序列算法,对飞机空调系统故障进行预测研究。该算法基于数据处理后集成到SAS系统中的飞机空调系统故障序列,利用SAS/ETS模块相应命令检验该序列为平稳非白噪声序列,在此基础上对有限多个模型进行相对最优化选择后构建自回归移动平均(ARMA)预测模型。最后,将该模型应用于某型飞机空调系统故障实证研究及短期预测中,分析结果表明,该方法在飞机空调系统故障短期预测中的效果良好。     

航空器导航系统飞参预测置信度评价方法研究

为了提高航空器的安全性能,需量化飞参预测过程中的不确定性,因此本文提出了基于预测模型的置信度评价流程。针对航空器导航系统中的飞参数据,采用卷积神经网络开发预测算法,对选定的飞参数据进行预处理和训练,实现高精度的目标飞参预测。综合考虑了模型搭建中的认知不确定性和数据层面的偶然不确定性,采用模型集成的方法来捕获认知不确定性,通过双头网络捕获数据中的偶然不确定性。在此基础上,构建多源不确定性模型,实现了飞参预测模型的置信度评价。经过试验测试,在正常飞参数据中植入噪声模拟实际工况的不确定性,结果显示所提置信度评价方法能有效地表示飞参预测结果的准确性,提高了航空器飞行决策过程中的安全性与可靠性。     

一种新型航班延误组合预测模型

为了克服单一的航班延误预测模型在预报时的缺陷,在分析航班延误的特点的情况下,提出了一种基于危险模式和灰色预测组合的新型航班延误预测的方法。对这两种预测方法的结果采用加权组合预测的方式来预测航班延误的趋势变化,预测结果是单一预测模型的加权和,加权系数动态确定。最后通过国内的某枢纽机场的航班延误情况进行了验证。实验表明该模型可以不受某一较差的预测模型影响,从而有较好的预测效果。     

典型繁忙机场需求预测

在我国航空运输需求快速增长、运行压力不断增大的背景下,通过适宜的预测模型对于繁忙机场起降架次预测的研究及对于繁忙机场合理规划具有重要意义。建立了指数平滑预测法、灰色系统预测法、计量经济预测法3种典型且适合机场需求预测的单一预测模型,以及利用加权平均法对3种模型赋予权重后建立组合模型,选取首都机场和浦东机场2005—2019年的起降架次进行仿真验证。结果表明：采用组合预测方法可以更好地克服单一模型的缺陷,最大程度避免各种因素造成的极端数据的影响,可以有效降低误差,提高预测准确性。     

基于周权重指数的汽车销售量预测及可视化方法研究

为了精确预测汽车销售量,利用数据集成技术收集汽车往期销售数据,再对数据进行清洗、变换和约简处理,然后计算周权重指数,利用周权重指数构建汽车销售量预测模型,通过模型实现销售量预测,最后将预测结果利用可视化技术直观地显示出来。仿真结果显示,利用该方法预测的汽车销售量与实际销售量之间误差较小,说明该预测模型具有较高的准确性。这一方法可以为汽车销售量的精准预测提供理论基础。     

基于Fratar模型的航班时刻需求战略预测方法

航班时刻是机场运行的基础和核心,准确预测机场的航班时刻需求,对于指导机场基础设施建设、运行模式调整等具有重要意义。在航班计划结构信息分析的基础上,构建了全国航班O-D矩阵,建立了多层级机场起降量预测模型,并以起降量预测结果为输入,利用Fratar交通分布预测模型,预测目标机场时刻需求。以杭州萧山机场为例,以2010年为基年,2014为预测年,验证了方法的准确性和可行性,并预测了2020年航班时刻需求,分析了不同运行模式下机场理论容量与航班时刻需求的匹配状况,分析结果表明,2020年萧山机场需由隔离运行模式过渡到相关进近,方能满足时刻需求。     

飞机性能参数预测的不确定性处理

 利用飞机的性能参数对飞机进行故障预报和状态监控是非常重要的。飞机的性能参数不仅具有非线性而且往往包含噪声,使得故障预测结果具有不确定性。针对这些问题,研究了利用非线性支持向量机处理飞机性能参数的预测问题,通过增加线性约束的方式解决了噪声带来的不确定性问题。此种方法不仅提高了预测的精度,而且模型可以利用适用于处理大规模二次规划的序列最小最优化算法进行求解,使得其可以解决大数据量的预测问题。利用仿真数据以及实际飞机性能参数对该方法进行了实验分析,实验结果表明此方法在精度上较不考虑噪声影响的模型有所提高,对于进一步提高飞机故障预测的精度,从而提高飞机的安全性具有重要意义。     

基于Agent模型的机场网络延误预测

准确可靠的机场网络航班延误预测是科学认知空中交通运行态势,动态精准实施国家空域系统容流协同调配策略的重要依据。提出了基于Agent的机场网络延误模型,表征机场网络系统中各元素及子系统间的交互作用下的延误特征涌现。针对机场节点动态容量、预计起飞时间、最小飞行与周转时间等Agent模型中的关键参数,适应性选用了贝叶斯估计、模糊k近邻等数据挖掘方法建立参数模型,并采用2015—2017年全美历史航班和气象数据进行训练学习。为综合评价模型性能及泛化能力,选取全美2018年3个不同延误程度的典型日进行测试。实验结果表明,在全美34个核心机场组成的网络中,各节点在4小时预测区间内延误最大误差不过27.9 min,其中约80%的节点误差小于5 min,验证了所提延误预测模型在时空范围内的准确性和稳健性特征。另外,通过与其他模型对比,展示了本模型优良的延误预测性能。     

基于增量式排列支持向量机的机场航班延误预警

目前航班延误已经成为世界范围内一个日益严峻的问题,对于大型机场进行航班延误预警工作显得日趋紧迫。在空运需求与机场容量冲突导致航班延误的观点下,提出了用排列支持向量机来进行航班延误预警。针对机场航班数据不断更新的特点,给出了增量式排列支持向量机算法来进行航班延误预警。不仅通过人工数据上的实验说明了该增量式算法更能满足在线预警的要求,而且在收集到的中国某国际机场两周的航班数据上也取得了80%及以上的预测准确率。     

基于BP神经网络的机场安检旅客流量预测模型

机场安检服务资源智能分配及调度是提高机场旅客服务水平及运营效率的有效途径之一,而准确的机场安检旅客流量预测则是实现机场安检服务资源动态分配及调度的前提。以天津机场安检旅客流量的历史数据为研究对象,利用BP神经网络算法建立机场安检旅客流量预测模型,并将该预测模型通过天津机场实际旅客流量进行验证。结果表明:该基于BP神经网络的机场安检旅客流量预测模型的预测精度可达90%以上,证明其具有较高的预测精度,能很好地应用到机场安检流量预测中,为机场运营者动态调度安检服务资源提供高效的解决方案。     

航空发动机磨损趋势RBF变权重组合预测方法研究

航空发动机滑油中金属元素的含量受许多复杂因素的影响,单一模型预测精度相对较低,本文针对这个问题提出了RBF网络变权重组合预测模型（RBFNN-VWCF）对航空发动机零部件的磨损趋势进行研究。首先引用C-C方法确定时间序列的嵌入维数和时间延时,重构相空间确定模型的输入输出样本,然后对两种模型进行组合预测,利用k均值聚类方法确定RBF网络的中心,利用固定法确定RBF网络的宽度,采用最小二乘法确定网络的权值。结果表明,RBFNN-VWCF模型充分利用了参与组合预测的两种模型的有效信息,更客观地反映发动机零部件的磨损趋势,预测结果更为稳健、相比单一模型精度更高,具有较强的工程实用价值,为发动机下一步的维修决策提供了有力支持。     

由计算的三元非定常压力数据来预估旋翼辐射的桨涡干扰噪声

由三维自由尾迹非定常板元方法计算的三元非定常气动力出发,计算直升机旋翼桨涡干扰噪声。用飞行实验和风洞实验数据分别对计算的旋翼在前飞和前飞下滑状态下的声压时间历程以及其它计算结果进行考核,某些结果还与著名的ＷＯＰＷＯＰ程序计算的结果进行了比较。理论计算与飞行实验和风洞实验结果吻合较好     

基于时空数据模型的障碍物数据集数据查询与应用研究

障碍物数据集是国际民航组织在航空情报管理（AIM）体系下提出的一种基于航空信息交换模型（AIXM）规范的航空情报数据集，该数据集中障碍物的查询将直接影响机场净空评估与飞行程序设计。在分析障碍物数据集的时间与空间属性基础上，利用时空数据模型与航空信息交换模型规范，提出一种基于时间点和空间位置的障碍物数据集查询方法， 用于解决障碍物数据集的查询问题；构建障碍物查询与可视化系统，并通过设计随机实验和实例应用对该方法的可行性和可靠性进行验证。结果表明：该障碍物数据集查询方法能够提取出对机场净空与飞行程序设计有影响的障碍物，增强了飞行程序设计人员对机场障碍物分布的情景意识。     

协同决策下基于物元模型的航班延误预警研究

为了对枢纽机场航班延误进行有效预警,选用了5个预警指标构建了航班延误预警特征指标体系.利用可拓学的物元模型研究表现机场航班延误运行状态的指标之间的相互作用关系,建立延误情况评价指标,并采用可拓关联函数及可拓评价方法,对机场航班延误情况指标的可拓量化值进行预警评估.通过实例仿真,结果表明预警模型能够比较准确地反映机场的航班延误情况,为机场在协同决策系统中发布航班延误的预警情况提供科学的参考信息.