基于支持向量回归机和参数优化的空中交通管制员需求量预测

空中交通管制员作为落实空管安全工作的主体,是整个管制系统的重要环节.本文根据历年民航局相关数据,首先采用基于网格搜索和交叉验证的支持向量回归机(Support vector regression,SVR)预测算法,构建了飞行保障架次与管制员需求量之间的映射模型;然后通过模型预测了 7个地区空管局的管制员需求量;最后根据...     

基于粗支持向量机的飞机机体研制费用预测

分析粗糙集理论方法和支持向量机方法的优势和互补性后,探讨粗糙集与支持向量机的结合方法,提出一种基于粗糙集数据预处理的支持向量机预测系统。将该系统用于飞机机体的研制费用预测中,与其它方法相比得到较高的预测精度。     

基于模糊免疫策略的机场航班延误自适应实时预测方法

为了对航班实时延误情况做出准确的预测,在生物免疫检测的基础上,借鉴模糊隶属度的思想,提出了模糊免疫预测方法.给出了自体/非自体、抗体/抗原的定义以及抗体对延误航班集合的隶属度函数.在预测过程中,实时监测外界环境变化,自适应调整λ-截集,选取符合当前置信度的检测器,克服了基于确定性模型的局限性.对国内某大型机场做仿真实验表明,该方法比简单使用生物免疫方法更具适应性,能较准确地预测全天各个时段航班的延误数量.     

基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。     

贝叶斯回归支持向量机的软测量建模方法

提出了一种基于贝叶斯证据框架的回归型支持向量机的参数选择和软测量建模方法。证据框架的第1层推理用来解释支持向量机的训练。证据框架的第2和第3层推理用于自动调整正则化参数和核参数并使其接近最优值。然后,将这种基于贝叶斯证据框架的回归型支持向量机用于估计聚丙烯腈生产过程的质量指标。仿真结果表明了该方法的有效性。     

基于支持向量机的航路空域内对流天气避让预测

随着全球空中交通的快速发展,航班延误问题越来越严重.对流天气是造成航班延误的主要原因之一,已经影响到民航行业的可持续发展,成为一个社会问题.如果能够提前预测与天气有关的航班是否改航,那么空中交通活动的参与者就可以协调调度,极大减少航班延误.本文提出了天气避让预测模型(Weather avoidance predicti...     

基于支持向量机的分类器设计

在支持向量机理论的基础上,打破了支持向量机的二类辨识传统,提出基于支持向量机的一类辨识理论,以它为基础设计基于一类辨识的一类分类器。     

基于收费模式的机场航空噪声治理分析

首先介绍了收费模式在国外机场航空噪声治理中的应用,然后从经济学的视角分析了基于收费模式的机场航空噪声治理的理论依据以及最优航空噪声水平的确定,并分析了收费模式的优缺点,最后总结了我国机场航空噪声治理的现状,并展望了发展趋势。     

在线稀疏最小二乘支持向量回归机及其应用

提出了一种简单有效的方法——OPLS—SVR来实现在线最小二乘支持向量回归机解的稀疏性。由于稀疏性的实现,在线稀疏最小二乘支持向量回归机的响应时间被大大缩短。此外,为了保证给航空发动机控制器提供可靠、正确的控制信号,提出了一种基于OPLS—SVR的解析余度技术来解决传感器失效和漂移问题。仿真实验表明了该解析余度技术有效且可行。     

基于支持向量机的Webshell黑盒检测

Webshell是一种基于Web的网站后门程序。当前已有的Webshell检测方法都需要根据脚本程序源代码来检测,因此只能部署在服务器主机上,而且只能检测本机的网站代码。本文通过分析Webshell的HTML页面特征,提出了一种基于支持向量机(Support vector machine,SVM)分类算法的黑盒检测方法。该方法是一种有监督的机器学习系统,对先验网页的HTML页面进行学习,可以在未知脚本源代码的情况下对Webshell进行检测。实现结果表明,该方法在黑盒的条件下达到了较高的准确率和极低的误报率,并且取得了与白盒检测方法相近的检出率,可以部署在基于网络的入侵检测系统中,同时监测多台服务器是否包含Webshell,从而帮助监控入侵趋势和网络安全态势。     

基于模糊层次分析的机场风险因素评估

基于系统工程学关于“人-机-环境-管理”的理论基础,探讨影响机场安全的主要因素,运用三角模糊数来表征专家判断信息,构造三角模糊数互补判断矩阵;运用模糊层次分析的方法对影响机场安全的因素进行了初步分析,并用已有的三角模糊数排序公式对机场风险因素进行了排序。模糊层次分析法能够更加客观地表征专家判断信息,消除了层次分析方法中的专家评判矩阵的主观性和不一致性,增加了层次分析结论的准确性。     

基于支持向量机的航路空域内对流天气避让预测（英文）

随着全球空中交通的快速发展,航班延误问题越来越严重。对流天气是造成航班延误的主要原因之一,已经影响到民航行业的可持续发展,成为一个社会问题。如果能够提前预测与天气有关的航班是否改航,那么空中交通活动的参与者就可以协调调度,极大减少航班延误。本文提出了天气避让预测模型(Weather avoidance prediction model,WAPM),以寻找天气与飞行轨迹之间的关系,并基于历史飞行数据预测未来航班是否改航。由于天气数据量大,采用主成分分析对10维天气指标进行降维以提取90%的信息。然后通过确定径向基函数的超参数c和γ,利用支持向量机来预测飞行是否改航。最后,通过预测准确率、精度、查全率和F1评价模型性能,并与k近邻(k nearest neighbor,kNN)、逻辑回归(Logistic regression,LR)、随机森林(Random forest,RF)和深度神经网络(Deep neural network,DNN)进行比较。对于准确率,WAPM比kNN、LR、RF和DNN方法分别高5.22%、2.63%、2.26%和1.03%;对于精度,WAPM比kNN、LR、RF和DNN方法分别大6.79%、5.19%、4.37%和3.21%;对于查全率,WAPM比kNN、LR、RF分别大4.05%、1.05%、0.04%,比DNN低1.38%;对于F1,WAPM比kNN、LR、RF和DNN方法分别高5.28%、1.69%、1.98%和0.68%。     

机场航空噪声收费制度研究

机场航空噪声收费是应对航空噪声污染一项行之有效的制度,其理论基础是庇古为解决外部性问题所提出的"收费-补贴"思想。瑞士苏黎世机场有关航空噪声收费的规则安排为机场航空噪声收费的制度设计提供了可资借鉴的范例。为解决当前严重的航空噪声污染问题,我国应借鉴国外的有益经验,及早确立与实施机场航空噪声收费制度。     

基于支持向量机和人工免疫的新结合算法

为了减少大规模数据的支持向量机的样本训练时间,提出了人工免疫（aiNet）和支持向量机（SVM）相结合的算法（ai—SVM）。aiNet能在进行样本压缩的同时抽取原始数据的相关信息并保持原始数据的样本分布。压缩后的样本组成了抗体网络,并在此抗体网络上构建了支持向量机模型。最后结合实际数据样本对ai—SVM算法进行了验证。结果表明,ai-SVM算法可大大减小训练样本集和训练代价,且不降低精度。     

基于支持向量机的结构损伤程度识别研究

支持向量机(SupportVector Machine,SVM)是一种基于统计学习理论的机器学习算法,能够较好的解决小样本的学习问题,具有很优秀的回归特性。本文提出了一种基于支持向量机辨识结构损伤程度的方法,构造模态频率作为损伤标识量训练支持向量机对损伤程度进行预测,并以悬臂梁为例进行了仿真计算。结果表明:支持向量机是一种很有潜力的结构损伤识别方法,具有很好的应用前景。     

基于支持向量拟合代理模型的卫星多学科设计优化

为了提高卫星的设计质量与效率,建立以卫星总质量最小为优化目标的多学科设计优化问题,主要考虑轨道、有效载荷、电源和结构4个分系统的设计并梳理其耦合关系,整理并建立了较为详细且贴近工程实际的学科分析模型。本文提出了基于支持向量拟合(Support vector regression,SVR)代理模型的优化策略,并将其应用于海洋卫星多学科设计优化中。本文算例卫星参考海洋一号卫星(HY-1),优化后整星质量相对于初始质量下降了约14.1%。优化结果表明了卫星多学科优化设计(Multidisciplnary design optimization,MDO)模型的合理性和该优化策略的有效性,为进一步探索代理模型技术在卫星MDO设计当中的应用奠定了基础。     

基于粗糙集属性约简和支持向量机的变压器故障诊断

针对油浸式变压器的故障诊断问题,提出一种利用差异化的粗糙集属性约简与有向无环图-支持向量机(DAG-SVM)相结合的方法实现变压器故障类型的快速诊断。该方法首先通过油浸液中溶解气体量的历史数据及其对应的故障类型建立原始故障决策表;然后利用等频率间隔划分法对条件属性数据作离散化处理,利用差分矩阵对决策表信息进行差异化属性约简,建立每两类故障间的诊断规则,消除对决策结果区分度较低的冗余属性;最后根据约简属性的对应数据作为特征向量输入,构建有向无环图-支持向量机多分类诊断网络,进而实现对故障类型的判断。仿真实例表明,该方法在系统检测中提高了故障诊断的准确率。     

基于支持向量机的航空发动机滑油监控分析

分析支持向量机用于时间序列预测的理论基础,针对某型发动机滑油金属含量的预测分别采用传统的AR模型和基于现代统计理论下的支持向量回归模型对滑油时间序列进行预测建模     

Boosting稀疏最小二乘支持向量回归机及其在推力估计中的应用

为实现航空发动机的直接推力控制代替传统的基于传感器的液压机械式控制,本文使用boosting技术提升最小二乘支持向量回归机的性能设计了推力估计器。在使用boosting的过程中,有两点与传统方法不同：（1）为了在建立稀疏最小二乘支持向量回归机的时候使数值计算更稳定,使用无放回抽取;（2）为了实现最小二乘支持向量回归机的稀疏性和降低计算的复杂度,用训练数据集的一个子集来建立最小二乘支持向量回归机,不再使用全部训练数据。仿真实验表明,基于boosting稀疏最小二乘支持向量回归机的推力估计器能够满足直接推力控制的需要,即估计推力相对误差不大于5‰。