航空运输周转量的预测方法探讨

预测是任何一个航空企业管理决策的重要内容,作为公司管理决策过程中一个关键的组成部分,预测是改善营运性能的一个重要手段。航空运量预测是航空运输企业经济活动的重要环节。在收益管理中,预测对航空公司尤其关键,因为它影响定座限制值,这将直接决定航空公司未来的利润如何。 如何最大限度地利用历史信息,低成本费用地建立高效精确的预测模型,这是在民航运输生产管理当中亟需解决的课题,我们探讨对不同预测模型进行分析和组合,集结其不同的信息从而能够实现高精度的预测来解决上述问题。本文结合某航空公司的统计时间序列数据信…     

电子信息制造业企业专利生产函数研究

以前人的研究为基础,结合电子信息制造业的特性,从研发投入、市场结构、股权结构三个方面提出了影响电子信息制造业企业专利行为影响因素的理论假设,认为电子信息制造业企业专利行为影响因素主要有R&D投入、研发人员投入、企业规模、市场势力、股权集中度、股权制衡、国有性质.接着,以知识生产函数为基础,构建了电子信息制造业企业专利生产函数,并根据2005 ～2010年的数据进行了实证分析.实证结果表明:R&D投入、研发人员投入、企业规模和股权性质对电子信息制造业企业专利行为有正向影响,而市场势力、股权集中度和股权制衡则对电子信息制造业企业专利行为有负向影响.     

大型军用运输机性能管理及自动着陆技术(下)

飞行性能管理是一种专门用于飞行性能优化的综合飞行控制技术,它可以根据某一指标优化飞行剖面,生成优化航迹,使军用运输机最大限度地缩短执行任务的时间。为了跟踪生成的优化航迹,实现安全快速的下滑着陆,对大型军用运输机的自动控制系统提出了较高的要求。本文主要介绍了大型军用运输机性能管理及自动着陆方面的研究成果,并与民用运输机的相关研究进行了对比。     

大型军用运输机性能管理及自动着陆技术(上)

飞行性能管理是一种专门用于飞行性能优化的综合飞行控制技术,它可以根据某一指标优化飞行剖面,生成优化航迹,使军用运输机最大限度地缩短执行任务的时间。为了跟踪生成的优化航迹,实现安全快速的下滑着陆,对大型军用运输机的自动控制系统提出了较高的要求。本文主要介绍了大型军用运输机性能管理及自动着陆方面的研究成果,并与民用运输机的相关研究进行了对比。     

蜂窝夹层板BLE的一种增强型协同优化建模方法

弹道极限方程(BLE)是进行飞行器防护结构设计与空间碎片撞击风险评估的关键技术,基于超高速撞击物理实验数据对已知形式的弹道极限方程进行修正,是获得高可信度新方程的一种常用方法。为了快速准确地获取新方程,以国外131个碳纤维复合材料(CFRP)面板的蜂窝夹层板实验数据为对象,运用增强型协同优化(ECO)方法对Christiansen方程进行优化。结果显示增强型协同优化方法与穷举法的优化结果一致,并给出了计算效率提升比例。为考核修正后方程的适用性,利用铝合金面板的蜂窝夹层板的25个实验数据对修正方程进行检测,结果显示修正方程可以将总体预测率从68%提升至84%,安全预测率从76%提升至92%,绝对误差平方和从0.046 2下降至0.006 3,相对误差平方和从1.046 0下降至0.109 0。     

航空器飞行状态预测的混合模型研究

航空器的飞行状态预测是飞行冲突探测的核心问题,也是保障飞行安全的关键所在.为了准确、高效地预测航空器的飞行状态,提出了一种HMM-BP混合模型.首先深入分析了航空器的飞行特点,从不同角度定义飞行状态并建立几何判定方法;然后通过HMM模型分别对航空器的飞行高度、航向以及速度特征进行时序建模;最后利用BP神经网络对航空器的飞行状态进行了推理预测.研究结果表明,该方法通过分析航空器在扇区内最初5min的雷达航迹数据,能够准确地预测其在扇区剩余时间的飞行状态,且计算速度快、预测效率高,可以有效协助管制员正确掌握航空器的飞行状态.     

基于增量式在线学习飞行训练姿态预测研究

针对飞行训练安全,大规模训练数据更新时预测准确性较差等问题,研究提出一种基于增量学习的在线飞行训练姿态预测模型。模型针对飞行训练数据进行相关性分析,使用基于流数据的增量学习模型对飞行训练数据中的俯仰角进行预测研究。实验结果表明,模型在对飞行训练俯仰角进行预测时,预测准确率高,误差小。通过模型对比实验,模型相较于传统预测模型,精度高、误差小、泛化能力强,可以有效预测飞行数据,保障飞行安全。     

基于支持向量机的飞机重着陆预测模型

研究以建立一种重着陆预测模型为目的,筛选飞机着陆过程中部分飞参数据,有针对性地提出一套飞参数据处理与分析方法,基于处理后的飞参数据建立一种支持向量机的重着陆预测模型,通过特征选取与参数优化,对预测模型做进一步修正,可实现75.69%的重着陆预测率。预测模型可有效实现重着陆的预测,对飞机着陆安全预警工作,具有重要借鉴意义。     

基于生成对抗网络的航班起飞风险预测

航班的安全运行是民航的第一要素。根据历史数据对航班运行过程中可能存在的风险进行提前评估和预测是保障航班安全运行的有效手段。针对航班起飞阶段的风险问题,提出了一种基于生成对抗网络的航班起飞风险预测模型。对收集到的机组、飞机和环境3方面数据进行清洗、变换和融合,得到初始的起飞风险预测数据集;针对数据集存在的严重类不平衡问题,使用生成对抗网络进行数据增强以提高数据质量;在不同增强程度的数据集上,采用3种不同结构的神经网络训练航班起飞风险预测模型。实验结果表明,生成对抗网络能有效提高实测数据集的质量从而提高了航班起飞风险预测的精度。     

基于偏最小二乘法的民航旅客满意度及忠诚度研究

如何最大限度的保留老客户是影响民航企业未来发展的非常重要的问题,各国航空公司非常重视提高客户忠诚度的研究.研究影响客户忠诚度的因素,对于提高航空公司服务水平有着重要作用.本文运用PLS-SEM(Partial Least Square-Structural Equation Model)方法,建立了客户忠诚度评价模型;结合实际采样数据,通过忠诚度指标因子定量分析了各变量对客户忠诚度的影响,为民航企业提高客户忠诚度的研究提供了新途径.研究结果表明,影响民航企业忠诚度的因素依次是安全、企业形象和感知质量.