综合保障在装备引进中的重要性

文中就如何搞好引进装备的综合保障问题进行了深入探讨,并从充分论证和全面规划等方面提出了建议.     

航材应急保障决策支持系统的设计与实现

结合航材保障决策支持系统的数据需求,详细地研究数据库系统的结构;根据航材应急保障的决策问题,对模型库系统所应包含的模型进行分析;设计的系统的实现架构,综合人和计算机两者优势,能有效地辅助航材保障决策机关对航材的保障进行决策。     

基于航材系统保障率的备件优化模型的研究

从民航航材系统的实际出发,介绍了根据航材保障率的基本定义构造出的一种新的可靠性模型,并用BARLOW优化算法进行计算,以便解决航材积压的问题。     

侧向偏置在区域管制中的应用

侧向偏置程序英文为Strategic Lateral Offset Procedure,简称SLOP,是指允许具备横向偏置(0FFSET)能力的航空器在航路中心线向右平行偏置1n mile或更多,以提供更大的安全余度,减少航空器空中相撞的风险。侧向偏置程序最早是在欧洲洋区的指挥中使用,并逐渐推广开来,对管制的安全保障,得到了全世界的认可。具体到横向偏置在中国民航航空飞行     

基于UKDE和XGBoost的航班过站时间动态预测

为了提高机场运行高峰时航班过站时间预测的精度及可靠性,研究了一种结合无偏核密度估计（Unbiased kernel density estimation, UKDE）和极端梯度提升决策树（Extreme gradient boosting, XGBoost）模型的航班过站时间动态预测方法。首先,考虑模型输入变量航班密度的连续性和不确定性变化,利用UKDE法估计机场航班密度,将其作为动态指标输入模型。其次,引入量子粒子群（Quantum particle swarm optimization, QPSO）法优化XGBoost模型。最后,考虑前序航班延误发生前后输入特征的变化,利用初始预测结果对航班密度进行修正,得到二阶段预测结果。研究结果表明：本文方法在高峰时段的预测平均绝对误差为7.365 min,效果优于随机森林（Random forest, RF）、粒子群（Particle swarm optimization, PSO）-XGBoost和XGBoost,修正后的预测结果平均绝对误差减少了3.373 min;模型输入参数按敏感性程度由高到低依次为航班密度、前序航班提前到港时间和延误...     

基于边际-人工蜂群算法的舰载机机群出动保障人员配置-调度联合优化方法

保障人员配置和保障作业调度是舰载机机群出动保障任务决策的2项核心内容。针对复杂甲板作业约束条件下保障人员配置-调度联合优化的实际问题,首先,系统分析舰载机机群出动保障流程约束、出动时限约束、保障人员约束、保障设备约束、工位空间约束和资源供给能力约束。其次,以保障人员数量和负载方差和最小化为优化目标,建立了混合整数规划模型,进而提出了基于边际-人工蜂群（ABC）算法的两层优化决策架构。上层决策模型基于边际优化算法对保障人员配置方案进行迭代优化,下层决策模型采用改进的双向人工蜂群算法对舰载机机群出动保障任务调度进行优化。最后,通过典型算例验证了所提模型和两层优化机制的可行性与有效性。      

天气风云变幻 预报难中取胜——新疆空管局气象中心预报室2004年气象保障侧记

2004年，新疆空管局气象中心预报室适应新形势，准确定位，为用户提供了及时、准确、优质的预报服务。在天气比往年复杂的情况下，重要天气预报准确率达到84．7％，超过了2004年全年安全工作指标75％和“空管安全管理年”活动的目标要求，圆满地完成了全年的预报服务工作。