民用飞机签派可靠度预计方法研究

安全性、经济性、舒适性、环保性是决定民用飞机能否商业成功的四大要素。签派可靠度是影响民用飞机经济性的关键可靠性指标之一。在设计阶段对民用飞机的签派可靠度进行准确预计,并根据预计结果,确定影响飞机签派水平的薄弱环节或重要设备,支持民用飞机可靠性改进工作,以达到提高民用飞机经济性的目的。     

大涵道比涡扇发动机风扇部件边线噪声预测

随着现代民用航空发动机涵道比的不断增大,风扇噪声在发动机整机噪声中所占比重也越来越突出,因此对适航条件下的风扇噪声进行预测对发动机的降噪设计和飞机噪声适航验证工作具有重要意义。通过对涡扇发动机风扇部件噪声产生机理和影响其传播的环境因素的研究,并结合飞机起飞程序,建立了涡扇发动机风扇部件边线噪声预测模型。通过编程计算后与实测噪声进行数据对比,基于涡扇发动机风扇部件静态噪声预测值进行动态修正后的涡扇发动机风扇部件边线噪声预测模型可以较好地预测实际情况。     

基于时效信息和深度学习的离港航班延误预测

针对离港航班延误预测问题,利用深度神经网络模型,结合时效航班信息数据和时效气象数据,提出了一种基于时效信息和深度学习的离港航班延误预测模型。利用真实数据开展数值试验,结果表明了所构建的延误预测模型可以在较短时间内获得较高的航班延误预测精度,并且具有较大的航班延误预测时效;同时随着延误时间阈值的增加,预测精度不断提高,损失值不断降低;尤其以60分钟为阈值时,模型的预测精度可以达到91.26%,说明了模型的有效性。     

到达率和飞机流结构对终端区排序的影响研究

为了找出终端区平均到达率和飞机流结构与优化排序结果之间的关系,通过选取平均到达率和飞机流结构的不同组合,再使用循环排序找出最优结果。在此基础上,分别研究和分析了平均到达率和飞机流结构对飞机流总体,重型飞机、大型飞机和小型飞机优化结果的影响程度。经过大量数据仿真和统计表明：当终端区有10架待降飞机时,与先到先服务原则相比,平均可以减小延误达30%左右;重型飞机和大型飞机的延误对平均到达率的变化较为敏感,而小型飞机则非常有限;从飞机流结构变化的角度看,随着大型飞机和小型飞机所占比例的逐渐减少,重型飞机和大型飞机延误可以得到明显的缩减,而小型飞机延误的缩减程度变化较小。研究结果可以为终端区飞机的着陆调度提供借鉴和参考,同时为进一步研究跑道容量与来流飞机的关系打下基础。     

考虑航路网络结构的离场航班延误预测模型

针对离场航班延误预测缺少对航路网络结构因素的考虑，以及传统多分类预测难以满足高精度的需求，本文提出了一种考虑航路网络结构的离场航班延误预测模型。首先，根据离场航班所在终端区的航路网络结构，提出了航路拥挤指标，即航路流量、航路拥挤度和航路网络拥挤度，从航路网络和网络结构2个维度量化分析了拥挤特征，构造了航路拥挤数据集；然后，基于深度神经网络（deep neural network，DNN），构建了考虑航路网络结构的离场航班延误预测模型；最后，分析各类别延误样本比例，调整焦点损失函数的平衡因子以及各模型参数，进行了不同损失函数、不同数据集和不同模型参数的对比实验。结果表明：调整平衡因子后，模型预测准确率提高了2.3个百分点，融入航路拥挤数据集后，准确率继续提高了1.52个百分点，并且最终达到93.47%。可见，本文所提模型能够对离场航班延误作出有效准确判断，为民航相关单位提供决策参考。     

航班到港延误时长预测及特征分析

为破除XGBoost模型的黑盒特性,增强模型的说服性,提出一种基于SHAP的可解释性航班到港延误时长预测模型。首先,对航班历史数据、天气数据进行融合,在融合数据的基础上进行异常值处理,并利用递归特征消除方法进行特征选择;其次,构建航班延误时长预测模型,利用遗传算法进行参数调优,并与目前常用的模型进行对比;最后,在航班延误时长预测的基础上结合SHAP模型,从总体特征和特征间的相互关系2个角度分析特征的重要程度。实验结果表明,经过遗传算法调优的XGBoost模型预测精度更高,其中MAE降低了8.94%,RMSE降低了19.85%,MAPE降低了6.15%,且其模型精度更高。因此,SHAP模型破除了XGBoost模型的黑盒特性,增强了模型的可解释性,可为降低航班延误时长提供技术支持。     

民用客机飞机机体设计费用预测模型研究及敏感性分析

由于普通飞机机体设计费用计算模型不涉及费用与飞机各主要性能、物理参数的关系,且无法便于进行相关敏感性分析,为了解决以上问题,提出了多种建立飞机机体设计费用预测模型的方法.针对民用客机飞机机体设计费用与客机各个性能物理参数,运用神经网络、线性回归、对数线性回归等不同的建模方法建立相关的费用预测模型,并对各模型通过实际值与预测值进行精度比较,得出最合适的预测模型.最后针对模型中各个输入参数进行敏感性分析.结果表明,通过这些方法能够建立起精度较高的飞机机体设计费用预测模型,为飞机设计研究人员提供相关的参考.     

预测模型可靠性的模糊数学评价方法

预测模型的可靠程度是通过预测结果中分布规律的可信度体现出来的。针对常见的预测模型可靠性评价中存在的问题,将预测模型预测结果的可信概率定义为预测模型的可靠度,提出了一种评价预测模型的新方法。在新方法中,运用模糊数学理论对预测结果的可信程度进行了评价,建立了预测结果可信度与预测结果相对误差绝对值之间的隶属函数关系,并将模糊数学与可靠性理论相结合,给出了求解预测模型可靠度的计算公式。以含蜡原油粘温关系模型为例,对新方法的评价过程进行了验证。结果表明,对同一种油样采用不同的隶属函数,或对不同油样采用同一个隶属函数,所得预测模型的可靠度均不相同,这说明该方法具有通用性。     

基于机器学习的锚固岩质边坡变形预测

锚索锚固是一种广泛使用的边坡加固技术,锚固性能的研究是锚固的核心问题之一。利用有限差分程序建立324组物理力学参数不同的锚固边坡,组成包括锚索参数和岩土体性质参数的9维输入指标和以沉降位移和塑性区面积为输出指标的数据集,分析输入输出指标间的关系。随后用随机森林和神经网络方法学习数据并建立层状边坡变形预测模型。分析显示,边坡沉降位移和塑性区面积预测结果变化对锚索性质参数中锚索总长度变化最敏感,锚固力的变化影响最小;其次岩土体物理力学性质中边坡力学指标黏聚力、内摩擦角起主要影响作用,岩土体密度变化影响最小;对预测结果的误差分析表明随机森林变形预测模型预测准确性比BP神经网络变形预测模型高5%~10%;模型预测沉降的偏差率小于预测塑性区面积的偏差率。研究表明随机森林算法在锚固效果预测问题上更加具有适用性,通过建立预测模型可以快速预测锚固边坡沉降位移和塑性区面积,指导锚固方案优化和变形控制设计。     

卡尔曼滤波修正的风电场短期功率预测模型

针对数值天气预报模型输出的气象参数存在系统误差而导致风电场功率预测精度受到制约的问题,提出了一种基于卡尔曼滤波修正的风电场短期功率预测模型.使用卡尔曼滤波算法对数值天气预报输出的风速数据进行动态修正,并结合其他气象数据形成新的用于风电功率预测的修正气象数据集合;根据原始气象数据和修正气象数据这2个训练集分别建立了风电场功率输出的原始神经网络、修正神经网络的预测模型.经同一时间区间内的实测数据与模型分析数据的对比分析表明:通过卡尔曼滤波修正的风速数据能够很好地跟踪实际风速数据的变化趋势,平均误差与绝对平均误差比较小;所提模型能够显著降低预测结果的均方根误差,使其从未修正前的17.73%降低至11.32%,证明预测精度得到了明显提高.     

预测模型可靠性的模糊数学评价方法

预测模型的可靠程度是通过预测结果中分布规律的可信度体现出来的。针对常见的预测模型可靠性评价中存在的问题，将预测模型预测结果的可信概率定义为预测模型的可靠度，提出了一种评价预测模型的新方法。在新方法中，运用模糊数学理论对预测结果的可信程度进行了评价，建立了预测结果可信度与预测结果相对误差绝对值之间的隶属函数关系，并将模糊数学与可靠性理论相结合，给出了求解预测模型可靠度的计算公式。以含蜡原油粘-温关系模型为例，对新方法的评价过程进行了验证。结果表明，对同一种油样采用不同的隶属函数，或对不同油样采用同一个隶属函数，所得预测模型的可靠度均不相同，这说明该方法具有通用性。     

基于SMTE算法和条件生成对抗网络的到港航班延误分类预测

由于航班延误数据集类别分布不均,传统分类器的性能受到一定程度的制约。为了能够对到港航班延误情况进行精准预测,提出了一种基于合成少数类过采样技术算法(synthetic minority oversampling technique, SMOTE)和条件生成对抗网(conditional generative adversarial nets, CGAN)的航班延误预测模型。首先,利用SMOTE算法对原始数据集进行上采样,并融合经过训练的CGAN生成指定样本数据集,缓解原始数据集中某些类别样本量少和数据非平衡等问题;再次,采用XGBoost模型在四种模式训练集上进行训练和超参数寻优;最后,以K近邻、支持向量机和随机森林为基准模型进行性能对比分析。经试验分析,通过分类器在融合样本集的训练,整体上可以在一定程度上提高模型的泛化性,尤其在轻度延误和中度延误类别中提升较为明显,与不采用融合方法比较,宏平均下的Precision、Recall、F1-score值分别提升了0.16、0.29、0.24个百分点。实验结果表明,该方法能够有效地对航班延误非平衡数据进行建模,在保持模型整体性能较高的前提下,能够显著的提升少数类的预测能力,可以为空管、航空公司和机场等提供决策依据。     

基于FIG和GWO-SVM的灌浆功率时序预测

为更好地预测灌浆功率时序,建立基于模糊信息粒化(FIG)和灰狼优化支持向量机(GWO-SVM)的灌浆功率时序预测模型。首先,引入信息粒计算方法,将原始详尽的时间序列数值点分解为一系列信息粒,以减少模型的数据输入总量;其次,基于模糊集理论,采用模糊集算子对每个信息粒进行模糊计算,使得到的模糊信息粒可以合理地表示原始数值点集;最后,以支持向量机作为预测工具,并采用灰狼优化算法进行参数寻优,对产生的模糊信息粒进行快速准确的预测。结合实际工程,应用该预测模型对灌浆功率的波动范围和变化趋势进行预测研究,经过性能评价和对比分析,验证了模型的有效性和优越性。     

基于Volterra泛函级数的GDP预测模型

提出基于Volterra泛函级数的GDP预测模型.首先收集GDP数据,根据GDP变化特点对原始数据进行相空间重构,然后采用自适应的Volterra泛函级数对GDP数据进行建模和预测.仿真测试结果表明,Volterra泛函级数的GDP预测精度与训练次数、收敛因子等参数密切相关,通过确定合理的参数,可以得到精度较高的GDP预测模型.     

一种面向对象的飞行仿真动力学建模方法

大部分飞行模拟器动力学模型都是在已知飞机整机风动和试飞气动数据的情况下,通过对这些气动数据的插值来计算得到飞机的气动力和力矩,本文提出了一种基于飞机各部件的方法。根据空气动力学原理计算出飞机各部件的气动力,然后再考虑整机的影响合成整机的气动力和力矩。然后代入飞机全量运动方程,解出飞机实时的运动参数。     

股指期货波动率的半参数预测模型及其MCS检验

股指期货在资本市场价格发现和风险防范过程中扮演重要角色,科学准确的预测其收益波动率对充分实现股指期货的市场功能具有重要的理论和现实价值。将线性非负模型扩展为半参数的预测模型,用来预测股指期货市场的已实现波动率,并探讨了该模型估计方法的渐进性质。此外,以沪深300股指期货的5 min高频交易数据为例,运用滚动时间窗的样本外预测和最新发展起来的具有Bootstrap特性的MCS检验,在多种稳健损失函数下,实证评价和比较新构建的半参数预测模型与其他7类波动率预测模型对沪深300股指期货已实现波动率的预测能力。实证结果表明,在多种稳健损失函数的评价标准下,新构建的半参数预测模型是预测性能最好的模型。     

灰色马尔柯夫模型在交通量预测中的应用

交通量预测是道路交通规划与路面设计的基础,由于影响交通量生成和增长的因素具有层次复杂性、关系模糊性、动态变化随机性和指标数据不确定性等,从而导致交通量的预测结果与路面实际运营数量之间有较大差异.本文利用改进的灰色GM(1,1)预测模型和马尔柯夫随机过程理论,建立了交通量的灰色马尔柯夫预测模型.实例计算分析表明,该模型具有较强的适用性,预测得到的交通量数据具有较高的精度和可靠度.     

复杂机械系统时变不确定性设计方法

考虑机械系统参数随时间的演化,基于连续时间模型和伊藤引理,推导建立了多参数复杂机械系统时变不确定性计算模型,将系统整体时变不确定性由其漂移函数和波动函数表达,系统漂移函数和波动函数则由底层时变参数的漂移率和波动率决定,从而解析了机械系统时变不确定性设计的原理。与传统方法相比,该多参数复杂机械系统时变不确定性设计方法既可以针对各零件(或子系统)进行时变不确定性设计,也可以建立统一的系统状态方程,针对复杂机械系统进行不确定性设计,并且算得的系统可靠度是动态的,可以预测未来任意时刻的可靠度,从而为系统的未来发展趋势提供先期预警,为设备维护提供指导。通过具体算例,说明了该设计方法的应用。该设计方法具有普适性,可以推广应用于城市公交系统、城市给排水系统、燃气系统、核电系统等的时变不确定性设计和可靠性分析。     

基于等时距处理和IOWHA算子的路基沉降预测

为避免随机因素对单一预测模型影响,建立更符合软土路基沉降规律的模型和方法以提高预测模型的精度和可靠性,分别以原始沉降数据、经三次样条插值和经分段三次Hermite插值处理的数据为样本值建立Gompertz模型、Logistic模型和灰色Verhulst模型3种预测模型,将每种模型的3种情况的预测值同实测值进行对比分析,选出每种模型对样本处理的优势方法。以每种模型的优势方法为单一模型,建立基于IOWHA算子的组合模型,该组合模型按照每个时刻单一模型的预测精度的高低对最优权系数进行求解。研究结果表明:在沉降速率发生明显变化时刻的数据作为最后一组样本值进行预测时,Gompertz模型和Logistic模型以分段三次Hermite插值等时距处理的数据为样本值预测效果更好,灰色Verhulst模型以原始沉降数据为样本值预测结果精度更高。求解基于IOWHA算子的组合预测模型的赋权系数时,GA比使用MATLAB的非线性优化的工具箱的求解方法更为可靠,得到的组合模型预测精度更高。     

Spark框架下交通流数据高效处理方法及其应用

设计并实现基于Spark的交通流数据处理与预测分析应用框架, 可以完成交通流数据的高效清洗、统计、存储和查询。利用基于多阶空间权重矩阵的STARIMA模型进行交通流预测分析, 可以验证数据处理效率及对预测应用的支撑作用。对比实验结果表明: 1) 交通流数据处理框架运行效率高, 适用于复杂的数据清洗和挖掘算法, 为预测模型建立数据支撑; 2) 交通流预测模型对空间权重矩阵进行了多阶优化, 兼顾高效性和准确性, 预测分析结果可以为交通诱导提供参考。