基于GM(1,1)残差修正模型的飞行训练量预测

做好阶段性的飞行训练量预测工作,对制定合理的飞行计划,安排合适的训练量,防止出现人机配比失衡,训练效率下降,保证足够的训练安排裕度,安全高效的飞行训练等具有十分重要的意义。为了对飞行训练量进行准确预测,针对某飞行学院的飞行训练统计数据,提出一种基于GM(1,1)灰色预测的残差修正模型,通过运用传统模型和改进后的模型分别对该飞行学院的训练量进行预测,得到对应的预测精度。最后的结果表明,改进后的预测模型能够弥补传统灰色预测模型的不足,可以达到较高的预测精度,能够有效地对该飞行学院的飞行训练量进行预测。     

基于BP神经网络的飞行训练品质评估

为了弥补现有飞行训练品质评估系统存在的不足,本文提出利用飞行员生理信号和飞行操作参数来构建评估指标体系。建立了基于BP神经网络的飞行员飞行训练品质评估模型,通过已完成训练的网络的权值分布计算出各输入指标对最后评分结果的影响,并通过算例分析检验了该模型的可靠性。检验结果表明:经BP神经网络模型训练得到的结果和样本的专家评分基本吻合,选取的评价指标有效,该评估模型能够有效地将飞行员生理信号与飞行训练参数相结合,对飞行员的飞行训练品质进行评价。     

基于GPS航迹的飞行误差分布规律研究

研究航迹误差分布规律,制定合适的飞行安全间隔标准是提高空域利用率的关键所在。本文针对CESSNA172机载GPS航迹数据对手动飞行条件下的航迹误差分布规律进行了研究。首先通过解析GPS航迹数据,利用Haversine公式对手动飞行条件下的航迹偏差进行统计分析;接下来采用quantile-quantile图检验法对航迹误差数据进行正态分布检验,根据Michael拟合优度检验方法给出正态分布的显著性水平;最后计算得到正态分布总体均值和标准差的置信区间。结果表明,训练飞机下降着陆阶段的实际位置点与跑道中心线的距离偏差符合正态分布规律,为训练飞行中空域规划及飞行安全间隔标准的制定提供了可靠理论依据。