基于机器学习的航空器进近飞行时间预测

为了准确预测航空器的落地时间，提高空管部门间的协作效率，采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发，分析航空器在进近管制空域飞行时间产生差异的原因，提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签，基于提出的重要特征，采用岭回归、支持向量机、随机森林和神经网络算法，建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例，对4种机器学习模型进行训练、验证和测试，对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明，对于航空器进近飞行时间的预测，基于随机森林的模型表现出了最高的预测性能，模型的泛化能力最好、精确度高，回归效果越显著；进场状态是影响航空器进近飞行时间的最重要因素，而进场点和进场高度特征则对结果的贡献度最大。     

离心叶轮气动阻尼的数值分析

为进行运动边界下离心叶轮流场的数值分析,独立开发了网格变形程序和非定常流动分析程序,实现了流场中振动离心叶轮的气动阻尼计算。采用紧支撑径向基函数法进行结构到气动表面变形的数据传递,应用二叉树技术进行壁面距离的计算,大幅提高了网格变形和流场分析中距离搜索的计算效率。通过振动叶栅和离心叶轮的算例,验证了程序应用于运动边界流场计算和叶轮流场模拟的正确性。以某离心叶轮为对象,展开其模态气动阻尼比的计算分析。结果表明:考察的两个模态下气动阻尼比均为正值,小幅振动下模态气动阻尼比与振幅无关,轮盘振动模态下叶轮的气动阻尼比随工况接近失速而逐渐减小。      

珠海市森林绿地遥感动态监测与驱动力分析

随着城市的发展,城市森林绿地对于提高人类生活环境的品质,发挥着越来越重要的作用。以珠海市为研究区域,应用1995年Landsat5的TM数据、2002年Landsat7的ETM数据、2009年CBERS-02B的CCD与HR数据为主体信息源,通过植被覆盖度指数与三种不同信息提取手段相结合的方法,对珠海市森林绿地的动态变化进行了遥感监测,然后对其变化结果进行了驱动力分析。结果表明：珠海市从1995年到2002年森林面积呈减少趋势,2002年到2009年森林面积又呈增加趋势,从1995年到2009年森林面积总体呈微减趋势。最后将自然驱动力与人为驱动力进行对比分析,人为驱动力是珠海市森林绿地的变化的主导因素。     

由遍历序列确定二叉树的算法

文章针对如何由二叉树的遍历序列来唯一确定二叉树的问题,提出了用两种遍历序列唯一确定一棵二叉树的方法。已知先序遍历和中序遍历或者已知后序遍历和中序遍历可以唯一确定一棵二叉树,但已知后序遍历和先序遍历就不能唯一确定了,只有当要确定的树没有度为一的结点时,所确定的二叉树才是唯一的。对此文中给出了说明,并利用Turbo C实现了相应的算法。.     

“猎鹰”9将发射“铱”星

印度空间研究组织将在2013年发射该国首颗林业卫星。印度将因此成为发射林业卫星来监测绿化覆盖情况的少数国家之一。印度政府认为保护国家的森林覆盖是一项重大挑战,需要改变人们的观念。     

气象卫星在我国森林火灾监测中的应用

气象卫星在我国森林火灾监测中的应用刘诚Ａｂｓｔｒａｃｔ：ＴｈｉｓｐａｐｅｒｍａｉｎｌｙｉｎｔｒｏｄｕｃｅｓｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆＮＯＡＡｐｏｌａｒｏｒｂｉｔｍｅｔｅｏｒｏｌｏｇｉｃａｌｓａｔｅｌｌｉｔｅｄａｔａｉｎｆｏｒｅｓｔａｎｄｇｒａｓ...     

利用随机森林算法的卫星控制系统故障诊断

针对卫星姿态控制系统存在闭环控制,外部干扰强,进而影响故障诊断准确性和实时性的问题,提出了一种利用随机森林算法的卫星姿态控制系统姿态敏感器和执行器故障诊断方法.首先,采集不同故障情形下卫星姿态控制系统的输入输出数据,进行特征提取.随后通过随机有放回抽样划分训练集和测试集,建立基于随机森林算法的故障诊断模型.利用生成的随...     

基于概率滑行时间的航空器离场推出柔性控制

航班离场过程动态多变且高度随机，滑出时间不确定性导致推出时间难以科学配置。为此，研究基于概率滑行时间的航空器离场推出柔性控制问题。首先，采用随机森林回归和核密度估计方法，建立了基于机器学习的概率滑行时间预测模型、超参数调节策略及概率预测性能评价指标体系；然后，引入固定缓冲区概念，提出了离场航空器“推出时刻”柔性控制方法，明确了缓冲区长度对准时到达跑道头概率的作用特性；最后，应用随机规划中的机会约束理论，提出了离场航空器“推出时隙”柔性控制方法，设计了满足机会约束的可行推出时间范围界定规则。实验结果表明：所提方法可对离场航空器概率滑行时间进行科学预测，有效实现传统推出时间刚性控制向多视角柔性控制的灵活转化，可为增强机场离场管制的可预测性和灵活性提供理论方法支撑。     

基于SVR-随机森林模型的民机落地剩油预测研究

针对国产民机落地剩油的预测与单一算法预测精度较低的问题，本文提出了一种基于支持向量回归机（SVR）与随机森林（RF）算法组合的预测模型对国产民机落地剩油做预测。灰色关联度分析得到落地剩油关联度较高的因素，简化模型输入量；采用单一的SVR算法与RF算法进行落地剩油预测，利用倒数误差法将两个单一算法组合起来对落地剩油做预测。实例验证，单一的预测模型准确率为81.21%、83.91%；组合模型的准确率为93.2%，提高了落地剩油预测的精度，有利于飞机在安全飞行的前提下合理减少额外油，提高经济效益。