乌木乌黑纹理中的森林记忆

在音乐剧《金沙》中乌木的化身木头丑扮演着智者的角色,带领考古工作者沙穿越时空寻找成都的记忆。乌木,正是揭开古蜀森林秘密的智者,是古蜀森林留存于世间的月光宝盒,记忆经历了千万年的岁月幻化成了乌木的乌黑,潜隐于乌木的纹理中了。     

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。     

南京空港货运中心消防水系统的简介

南京空港货运中心,位于南京禄口机场内,是大型航空货运站,为国际及国内客、货航班提供航空货运服务,总建筑面积33776平方米。空港货运中心水消防系统复杂,共设有室内、外消火栓系统、自动喷水灭火系统、消防水炮系统等,笔者有幸参加该工程的建设,负责本工程的消防水系统项目管理。现将各系统的控制应用分别简介如下:     

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。     

载人航天器密封舱内细水雾灭火数值研究

为了研究微重力环境下细水雾灭火机理,利用FDS 软件对细水雾雾化特征进行了仿真分析,结果表明:微重力环境有利于细水雾的形成和雾场的扩大,但由于没有重力场的作用而使得雾动量下降,导致雾滴穿透火焰的能力下降。通过对载人航天器密封舱内细水雾灭火的仿真计算,获得了火灾场特征位置处的温度及氧浓度（指体积分数）随时间变化规律,分析表明细水雾灭火不仅可以降低火焰的温度,而且还可通过稀释火灾场的氧浓度对火灾起到很好地抑制作用。     

“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...     

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。