基于有效中转时间预测的不正常航班恢复技术

不正常航班恢复问题研究通常基于固定航班中转时间，忽视了实际航班中转时间的改变对航班恢复带来的影响。对此，依据全国235个机场的全部运营航班数据抽取机场-航班特征，构建了基于LightGBM的航班中转时间预测模型，预测航班的有效中转时间，数值结果显示，航班中转时间预测模型预测的均方根误差为6.783 min。构造了基于有效中转时间的不正常航班恢复模型，并针对性地设计了求解该模型的列向量生成算法，构造的模型通过取消、改变计划时间、更换飞机等方式，分别在最小化航班延误时间、取消个数、换飞机个数的目标下，解决机场流量下降、机场关闭、飞机维修等不正常条件下的航班恢复问题。通过航空公司实际运行数据测试证明，基于有效中转时间预测的不正常航班恢复技术有效，在大规模航班恢复的情况下，可以将总延误时间减少34.2%。将列向量生成算法与时空网络算法的结果进行对比，所提出的恢复方法能降低航班恢复代价。      

基于时空注意力机制的新冠肺炎疫情预测模型

新冠肺炎疫情持续蔓延给人类社会带来深远影响，准确预测各地区的病毒传播趋势对防控疫情而言至关重要。现有研究主要基于传统的时序预测模型和传染病模型，鲜有考虑疫情地区关联复杂和时序依赖性强的特点，限制了其疫情预测的性能。为此，针对新冠肺炎疫情的预测任务，提出了一种时空注意力驱动的自编码器框架。通过引入空间注意力机制捕捉病毒感染序列间的动态空间关联性，利用时间注意力机制挖掘病毒感染序列中复杂的时序依赖性，以此实现对不同地区的新冠肺炎病毒传播趋势的准确预测。在模型的编码器端，融合空间注意力机制的长短期记忆(LSTM)网络，关联目标地区与其他地区的病毒感染序列，提取该区域近期新冠肺炎疫情的时序特征。在模型的解码器端，将时间注意力机制引入基于LSTM网络的解码器中，通过捕捉病毒感染序列的时序依赖性推测未来的新冠肺炎疫情趋势变化。在多个公开的新冠肺炎疫情数据集上对所提模型进行验证，实验结果表明:所提模型的预测性能超越了LSTM等模型；在公开的欧洲部分国家新冠肺炎疫情数据集上，预测误差指标RMSE和MAE分别降低了22.3%和25.0%，在中国部分省级单位新冠肺炎疫情数据集上，RMSE和MAE分别降低了10.1%和10.4%。      

过站航班地面保障过程动态预测

过站航班地面保障过程预测是机场协同决策系统的重要功能。针对目前无法实现过程精细化动态预测且精度较低的问题，提出了一种基于贝叶斯网络的过站航班地面保障过程动态预测方法。建立了地面保障过程贝叶斯网络模型，设计了基于航班属性的初始样本空间生成算法，结合高斯核概率密度估计构建了地面保障过程动态预测方法。某枢纽机场实际数据的仿真结果表明:所提方法在充分考虑航班运行属性的基础上实现了各保障节点的动态预测，其平均绝对误差仅为2.224 1 min，均方根误差相比其他方法低近2 min，能够为机场运行短时战术组织提供客观的决策依据。      

基于时序建模的卫星故障检测方法

为解决当前卫星故障检测面临的依赖规则库、多元特征融合不足以及数据正负样本分布不均衡等问题,从卫星数据的时序特性出发,提出基于时序建模的卫星故障检测方法与半监督模型,实现卫星数据规律的有效挖掘与数据驱动的故障检测。考虑卫星数据间的时序关联,提出基于长短期记忆神经网络的卫星故障检测方法,并引入滑动窗口机制实现卫星数据的有效预测与故障检测。考虑卫星数据多元特征参数间的关联关系,引入时间卷积和自编码器神经网络,同时建模不同时刻、多元特征参数间的依赖关系,实现融合多元特征参数进行卫星故障的有效检测。以某型号卫星电源分系统为实验对象,仿真结果表明,所提算法和模型在关键指标方面优于BP神经网络等传统故障检测方法和模型。     

空间相机热平衡试验温度预测方法改进及应用

为实现对航天器热平衡试验平衡温度的预测,建立了热平衡温度预测的方程式,对影响预测结果的各参数进行了分析。首先,由节点网络法推导出平衡温度表达式,介绍了其基于非线性最小二乘法的求解过程,建立了平衡温度的迭代方程;其次,结合大量的试验数据,对影响迭代结果的3个因素进行了统计分析,并最终确定了各因素的合理取值范围;最后,利用温度预测程序对某空间相机热平衡试验中低温工况的平衡温度进行了预测,并与试验结束后的结果进行了对比。结果表明,预测温度与试验数据的误差为±1℃（在3%之内）,满足精度要求,对热平衡温度准确的预测有效的缩短了试验时间,节省试验费用。     

基于PCC-LSTM模型的短期负荷预测方法

短期负荷预测是电网合理调度和平稳运行的基础。为提高短期负荷预测精度,提出了一种基于Pearson相关系数(PCC)和长短期记忆(LSTM)神经网络的短期负荷预测方法。该方法运用Pearson相关性分析对原始多维输入变量组成的时间序列进行相关性分析,选取与电力负荷数据相关性较大的影响因素作为输入量,实现原始数据的降维和选优;再通过LSTM神经网络结合Adam优化算法,对与电力负荷相关性较大的影响因素和负荷实际输出序列之间的非线性关系建立网络模型。以嘉捷BOX和重庆丽苑维景国际大酒店的负荷数据作为实际算例,并与Prophet、LSTNet、门控循环(GRU)神经网络模型方法进行对比。结果表明:所提PCC-LSTM模型预测精度均在91%以上,最高可达95.44%,有效提高了负荷预测的精度。      

基于度量学习的机场交通态势弱监督评估

为准确感知机场场面运行环境，提出基于度量学习的交通态势弱监督评估方法。根据机场场面航空器的时空分布类型，从交通流量、起降队列、资源需求等视角构建交通态势指标体系；借鉴度量学习范式，利用预先定义的相似集和不相似集自动学习态势样本之间的距离度量；在此基础上，采用K均值算法实现弱监督条件下交通态势的等级划分。以上海浦东国际机场实际运行数据为例，分析并验证所提方法的有效性。实验结果表明：起始时刻离场瞬时流量、离场累计流量、离场跑道队列长度及进场累计流量的距离系数大于0.5，对场面态势影响较大；与基于欧式距离的K均值算法相比，度量学习将最优轮廓系数提升了33.3%，得到符合预期语义的聚类结果；此外，机场的平均滑行时间越长、跑道配置越复杂，其场面交通态势等级越高。     

基于学习的中段反导拦截时间和拦截点预测方法

弹道导弹实时、准确地预测拦截弹的拦截点与拦截时间，是实现中段突防的有效手段。针对弹道导弹中段突防中的拦截点坐标及拦截时间的预测问题，提出了一种基于监督学习的在线预测方法。以拦截弹的主动段关机参数和关机时刻为输入量，建立拦截时间和拦截点预测模型。在多层感知机神经网络的基础上构建有监督学习算法，通过攻防仿真获取拦截弹的参数制作训练数据集，在线下完成网络训练。仿真结果表明:神经网络能够有效在线预测拦截时间和拦截点坐标，预测结果的相对误差分别为0.124 3%和0.128 5%，拦截时间预测结果误差的平均值为0.224 0 s，拦截点预测结果距离误差平均值为2 016.48 m，均满足精度要求。      

基于多元KELM的发动机状态在线预测模型

针对当前飞机发动机状态预测过程中，不考虑相关变量状态变化，仅根据单变量历史时间序列对飞机发动机状态预测的问题，提出一种基于多元核极限学习机（KELM）的发动机状态在线预测模型。首先，通过多变量时间序列的相空间重构，将变量间的时间相关性转化为空间相关性；其次，通过研究KELM与核递归最小二乘法（KRLS）之间的关系，将KRLS扩展到在线稀疏KELM框架中；最后，使用近似线性依赖对样本进行稀疏化来控制网络结构的增长，最终实现多变量非平稳序列的在线预测。某型教练机的发动机飞行参数预测结果表明:满足在线预测要求的条件下，与KB-IELM、NOS-KELM、FF-OSKELM相比，模型KRLSELM将平均预测精度提高了90.61%、58.14%和25.77%，将预测稳定性提高了99.61%、75.03%和28.59%，具有更高的预测精度和稳定性；并且各方法均在多变量输入条件下获得最优的预测效果，验证了考虑多变量状态因素对单变量的在线预测具有重要意义。      

机场到港旅客换乘时间效率评价指标优选

换乘时间效率评价对提升机场综合交通的换乘效率有着重大意义，传统的指标优选方法应用在民航机场到港旅客换乘评价中难以真实反映指标关系并且缺乏指标筛选规则。针对上述问题，根据指标体系中目标层、因素层、指标层各自与指标的关联特征，抽象出指标的重要性、关联均衡性、独立性3种数据关系，并使用DS证据理论融合得到指标综合关系。基于指标综合关系和综合评价方法，定义评估精度作为筛选指标的理论支撑，并设计算法构建优选模型。使用国内37个机场的到港旅客换乘时间数据进行实证分析，结果表明:指标综合关系能够更精确地反映指标关系，优化了指标排序，比基于主成分分析和最大互信息系数的指标排序更优异，能剔除更多冗余指标。评估精度将可剔除的指标直观展示出来，为筛选指标提供了切实依据，完善了指标优选模型。      

基于双层K近邻算法航站楼短时客流量预测

航站楼离港客流量在短时期内呈现准周期性规律变化,易受航班计划、天气等多种因素影响,表现出复杂的非线性特点。为了实现航站楼短时客流量的准确预测,在传统K近邻（KNN）算法基础上增加了航班计划状态模式匹配方法,以航班计划包含的多维属性作为特征选取相似历史运营日作为预测基准向量,建立基于航站楼短时客流量预测的双层K近邻模型。通过实例分析,与ARIMA模型和传统K近邻模型等进行比较,证明双层K近邻模型预测误差更小,精度更高,模型拟合度相对传统K近邻模型提高了8%~10%,为航站楼短时客流量精确预测提供了一种新的解决思路。      

基于效用价值驱动的旅客出行动力学研究与建模

为了探究交通体系中旅客出行行为的特征与机理,以某机场离港旅客的陆侧出行数据为研究对象,对旅客出行模式进行了统计。分析发现,旅客聚集行为具有强烈的阵发性,不同出行维度旅客群体的聚集时间间隔分布具有幂律特征,且幂指数和阵发性强度呈正相关关系。同时,研究认为旅客出行换乘决策是综合时间、费用、便捷舒适度、突发情况等多因素的期望实现,是一种基于效用价值驱动的人类行为。基于此构建了效用价值驱动模式下的旅客出行行为动力学模型,可输出幂指数为参数可调的幂律分布,且仿真输出和实证数据分析结果相吻合。      

一种基于图论的机场空域无人机流量控制方法

城市物流无人机机场需具有同时起降多架无人机的能力，针对中小型垂直起降无人机设计了一种单入口单出口、航路交叉、多停机坪的机场模型，提出了一种基于图论的飞行安全优先的流量控制方法。根据机场内无人机飞行状态，控制无人机进离场时间，规划出机场内飞行航路，保证无人机飞行安全。仿真结果表明:该流量控制方法可以确保无人机在机场空域内安全有序飞行；分别测试了面积不同的机场进场与进离场运行容量，在单个停机坪面积一定时，停机坪数量越多进场容量越大，但进离场容量反而越小；因此在设计机场时，在给定的机场面积情况下，需要合理规划停机坪数量。      

高空风对大型客机航线性能的量化影响

高空风会影响大型客机航线飞行的油耗和飞行时间。本文提出了一种计算高空风对航线性能量化影响的方法,并分析了高空风对航线性能的量化影响。建立了有风条件下飞机的飞行仿真模型,提出了针对飞机航线飞行的驾驶员建模方法,基于"驾驶员-飞机"闭环数字虚拟飞行仿真方法,提出了一种计算高空风条件下飞机航线性能的方法。对算例飞机在典型航线下的油耗、飞行距离、飞行时间进行了计算与分析。结果表明:在飞行距离相同时,顺风可以减少飞机的航线飞行时间并降低油耗,逆风会增加飞机的航线飞行时间并增加油耗;由于高空风的影响,部分航线往返飞行时,油耗和飞行时间相差较大;对于部分远程航线,由于高空风的影响,为满足最大起飞重量限制,飞机需要减小商载以装载更多燃油,确保能够飞抵目的机场。     

冰雪天气下基于MFOA-KELM残差修正的跑道温度混合预测

道面温度短时精准预测是跑道积冰预警的关键因素之一, 为了解决单一机理预测模型随预测时间延长而造成误差累积的问题, 提出了一种冰雪天气下跑道温度混合预测方法。将跑道温度机理预测模型与核极限学习机(KELM)相结合, 建立一种数据驱动修正残差的跑道温度机理预测模型。针对果蝇优化算法(FOA)收敛速度慢、易陷入局部最小值的问题, 引入权值更新函数和距离扩充因子, 调整果蝇的全局寻优效果, 避免陷入局部极小值。利用改进的果蝇优化算法(MFOA)对KELM的正则化参数与核参数联合优化, 以冰雪天气下跑道温度实际数据为例, 建立基于改进果蝇优化核极限学习机(MFOA-KELM)的跑道温度混合预测模型, 并在不同时间尺度下对该混合预测模型进行仿真测试。实验结果表明:与单一机理预测模型相比, 当预测时长为120 min时, MFOA-KELM混合预测模型的平均绝对误差至少减小了61.43%, 在残差阈值为±0.5℃时, 平均预测准确率为91.25%。可见, MFOA-KELM混合预测模型具有更高的预测准确性, 研究结论显示该混合预测方法能够为机场跑道温度短时精准预测提供新思路。      

基于机场探鸟雷达数据的鸟击风险评估

提出一种实时鸟击风险评估方法.该方法利用机场探鸟雷达获取的实时鸟情信息,通过估计鸟击概率和严重程度实时评估鸟击风险.以飞鸟和跑道位置为自变量建立预估方程,计算鸟击概率.将德尔菲法和层次分析法（AHP,Analytic Hierarchy Process）相结合,建立鸟击严重程度估计模型;该模型充分利用了专家知识和定量计算的优点,称为DAHP模型.为减少该模型中同一层次上参数的个数,将影响评估结果的因素置于一个双层模型中,避免由于同一层次上参数过多造成比较矩阵不满足一致性的问题.本评估方法经过了三跑道的北京首都国际机场仿真数据和单跑道的北海福城机场实测数据的测试.     

半自动驾驶公交车辆编组与调度优化

半自动驾驶公交车辆编组是指半自动驾驶公交单元通过车联网技术连接在一起，实现车辆协同驾驶和车辆容量动态设计的车辆组织技术。以半自动驾驶公交车辆编组为出发点，建立编组车辆动态运行模型，分析编组车辆到离站时间、乘客上下车过程、车辆容量限制和车载乘客数量变化等。在此基础上，以车辆运营成本和乘客候车时间成本之和为目标函数，以车辆编组大小和发车时刻为决策变量，建立半自动驾驶公交车辆调度优化模型。提出改进的遗传算法高效求解模型。以杭州55路公交线路为实证案例，仿真结果表明:相比于传统人工驾驶公交的车辆调度，基于半自动驾驶公交的车辆调度能降低29.2%的车辆运营成本和18.2%的乘客候车时间成本，所得结果证实了所建模型优化半自动驾驶公交车辆调度的有效性。