航材消耗的时间序列分析

本文采用时间序列分析法对某种航材故障率进行预测,用移动平均法消除时间序列的长期趋势和周期变动,然后按月平均法求出季节指数,并对季节指数进行调整,然后根据拟合的趋势方程对此种航材的故障率进行预测.其结果能为航材的可靠性保障提供理论依据.     

收益管理系统中的几个关键模型

介绍了国内首例自主开发的收益管理系统中的部分运算模型，给出了需求预测、超售、座位优化控制中的一些核心算法。提出了基于C-均值聚类的航班预测模型、基于二项分布的超售计算模型、基于EMSR的多航段座位优化模型、基于期望边际收益的团体置换价模型等．并介绍了上述模型的运行效果。     

复杂系统研制费用Weibull分布的研究

科学地估算研制费用为项目立项决策和科学分配经费提供了依据.Weibull时间费用模型是一种描述大型复杂系统人力资源问题的计量经济模型,也称生命周期模型.本文分析了Weibull分布特点,特征参数的估算方法及Weibull时间费用模型的几种模式,给出了模型的理论解释.结合具体实例用经验估算法对模型参数进行了估计,得到的预算费用比较符合实际系统研制费用的发生规律.研究表明,Weibull时间费用模型为预测大型复杂系统研制费用提供了有效的方法.     

基于神经网络的故障率预测方法

 为了更好地预测产品故障率,提出了基于神经网络的故障率预测方法,分别给出了基于反向传播(BP)网络和径向基函数(RBF)网络进行故障率预测的基本思想、预测模型和实施步骤。分别对比分析了神经网络法与回归分析法、分解分析法、移动平均法、指数平滑法、自适应过滤法、自回归移动平均混合(ARMA)模型等统计预测方法的区别,对照故障率的特点,说明了神经网络法是其中最适用于故障率预测的统计方法。最后分别按这两种模型对某航空公司波音飞机故障率进行了预测,预测结果表明：这两种模型均适用于故障率预测,预测值与真实值的误差在20%之内,且RBF网络的预测效果略优于BP网络,此外通过与上述统计预测法的误差进行对比,说明神经网络法预测误差最小。     

基于模型的故障诊断方法在飞船推进系统中的应用

在飞船推进系统的物理和数学模型的基础上,研究了基于模型的故障诊断方法在飞船推进系统中的应用。该方法是某飞船推进系统状态监测与故障诊断专家系统中的关键技术之一。仿真结果表明,这项技术的提出和应用使得根据系统模型对推进系统的不可预知故障进行监测和诊断成为可能。     

国际上航空气象科研新成就和新技术综述——纪念1989年世界气象日

国际民用航空事业的飞速发展,对航空气象服务提出了越来越高的要求。为了保证飞行安全和提高机场利用率,许多技术先进国家研制和使用了新的航空气象观测、预报和情报传输技术和设备。一些科学发达国家还给主要机场配备了综合自动化气象观测系统、自动化天气预报设施和自动化气象服务系统。他们研制了航空天气情报的自动传输系统,加强了自动制作航线天气预报和短时预报与航站预报的科研工作。由于计算机技术、通信条件和遥感技术的发展,这些国家的航空气象保障能力已经得到了极大的提高。     

基于灰色模型的故障预报技术及其在空间推进系统上的应用

研究了灰色预测建模,把灰色理论、预测技术和诊断专家系统相结合建立了一个故障预报系统,使用该系统针对空间推进系统气路部分故障,实现了故障预测预报。     

航空公司收益管理研究综述

回顾了航空公司收益管理40余年来的发展历程，简述了超售的基本原理和方法，分析比较了现有的各种预测方法，指出增量法是目前比较稳定的方法。详细介绍了现有的座位分配模型，将现有模型分为静态和动态两大类．并指出动态网络优化是未来的发展方向。最后认为，今后的研究方向将集中在4个方面：更稳健的预测方法、自动程序设计、网络优化、系统集成。     

润滑油质量组合预测

以某自行火炮润滑油氧化程度光谱分析数据为基础,利用线性回归理论、灰色理论及组合预测理论建立了润滑油的氧化程度预测模型,并且分析各模型在预测上的差异,验证了润滑油质量组合预测模型能够充分利用单一预测模型的有效信息,提高预测精度.     

基于神经网络的荧光油膜厚度与灰度研究

在全局摩阻测量中,薄油膜技术可以很好地表征表面摩阻的分布情况。用特定波长的紫外线照射添加了荧光显色分子的不同厚度的油膜,油膜将发出不同的亮度。利用该原理通过检测受激发的荧光油膜灰度值可解算出相应油膜的厚度。本次采用BP神经网络及极限学习机(Extreme learning machine,ELM)神经网络搭建模型完成了荧光油膜厚度与灰度关系的预测,运用Hopfield神经网络完成了相应参数的辨识。实验表明,ELM神经网络模型、BP神经网络模型及插值法模型的预测误差分别为5.150%、5.485%和5.935%。通过Hopfield神经网络辨识,光源功率、光距和曝光系数等影响因素的参数误差率控制在1%左右,达到实际工程运用的要求。与传统插值法相比,通过神经网络可获得更高的精度,为荧光油膜灰度与厚度研究提供了一种可行的方法。