基于数字孪生的航班链延误动态预测模型

针对复杂多变的航班运行环境，提出一种基于数字孪生的航班链延误动态预测模型，以改善传统预测方法的精度及自适应性。模型基于数字孪生航班链系统构建，采用滑动窗口下的多通道特征建模完成单元级航班延误预测，并提出一种混合优化策略进行模型参数的动态优化，最后通过孪生数据驱动的链式分析方法实现了全航班链的延误分析与修正。采用国内航班数据进行实验，得到在各个窗口下的航班延误平均绝对误差（Mean absolute error, MAE）为11.79 min，低于其他基线模型和静态模型；且引入孪生数据驱动分析和修正后，紧随其后的航班预测误差比此前进一步降低了6.44%。结果表明，模型有利于数字孪生航班链系统实现虚实交互，并具有优良的预测精度和自适应性。     

结合卫星遥感的 PM2.5 浓度估算与站点异常分析

针对大气污染难监测、异常数据难分析等问题，充分发挥气象卫星多时相观测优势，以N维代价函数算法为依托进行逐小时气溶胶光学厚度反演。进一步以随机森林回归算法为基础，结合气象参数、地面监测参数等辅助变量进行近地面PM2.5浓度估算，并据此开展时空分布与浓度异常分析。江苏省2021年1–6月PM2.5浓度遥感估算精度验证结果显示，其相关性精度达到94%，偏差为5.59μg/m³，证明以卫星遥感数据为基础进行PM2.5浓度估算具有高可靠性与可行性。通过其建立的全区域、多时相监测体系可有效进行PM2.5浓度的时空分布分析，明晰PM2.5分布状况，助力空气污染治理管控。通过卫星估算结果与地面站点监测结果的对比分析，准确识别大泉街道数据低报事件，验证人为干扰数据采集工作，实现星地数据双向监督。文章研究证明，卫星遥感技术可有效支撑近地面PM2.5浓度估算与数据异常分析，推动新时代生态文明建设。