基于跟驰稳定的终端区容量评估方法

终端区已成为空中交通流量管理系统的瓶颈,它的容量评估直接关系到流量管理实施的有效性.将道路交通的跟驰理论和稳定性理论引入到空中交通系统容量分析中,首先建立了终端区交通跟驰模型,并对终端区系统进行了稳定性分析和参数分析;在此基础上提出了基于跟驰稳定的终端区容量评估方法,该方法充分考虑并量化了管制员和飞行员对终端区容量的影响,所评估出的容量既可以达到又能保证交通的安全稳定,更具有实际价值.     

基于机型间隔的机场终端区流量优化

在传统流量优化模型的基础上,综合飞机机型、尾流间隔时间等因素,提出了一种基于机型的机场流量动态优化模型.考虑各种机型飞机起降特性差异和现代空管人员的实际需要,该模型进一步细化了各种机型起降间隔的分类关系,实现了机场终端区流量的优化分配,提高了终端区交通流量;并在此模型基础上,给出了确定满足此分配方案的机型起降队列方法,为空管人员提供有效的决策参考.最后以单跑道机场为例,验证了模型的有效性.     

基于多目标规划的机场跑道运行模拟与优化

以排队理论为基础,结合飞机起降时空分布图,模拟飞机的起降过程,构造跑道容量的评估模型.利用该模型对混合运行跑道容量进行评估,得到了在各种到达率下,不同降落和起飞架次组合下的跑道容量曲线.充分考虑停机位、跑道容量、流量平衡等约束条件,模拟空中流量管理策略,通过改变控制目标以及控制目标的优先级别,构造了多目标整数规划模型.结合起降需求的动态变化,对超饱和跑道的运行进行优化.最后,通过一个仿真案例对该模型的运用进行分析.     

基于log2logistic 概率分布的近海水质组合预测方法研究

通过多种预测方法的综合运用,提出一种依据环境监测数据的近海水质组合预测方法,力求在降低计算难度的同时,提高预测精度.首先,依据入海水体的情况,采用BP神经网络法对近海水质进行因果型预测,预测平均误差为26.46%;其次,采用傅立叶8次级数对近海水质历史数据进行拟合,并将其延伸对近海水质进行类比型预测,平均误差为38.33%;最后,确定近海水质数据符合log-logistic的概率密度函数,提出将上述两种预测结果的概率密度作为其组合权重的近海水质组合预测方法,平均误差降低为21.20%.应用表明,该组合预测方法避免了机理性研究对众多基础数据的要求,原理简单、实用性强,能够为环境管理提供决策支持.     

多机场终端区容流利用和分配建模与仿真

研究多机场终端区空中交通供需平衡问题,在多元受限的复杂约束下,给出一种容量利用和流量分配协同优化模型,模型通过最小化终端区内所有进离场航班的总延误损失,并引入航班延误损失系数作为航空公司协同决策的偏好信息,寻求最佳的容量利用和流量分配方案.实验仿真表明,模型不仅能使流量与容量协调匹配、充分利用资源,而且能使延误损失降到最小又能兼顾航空公司的利益;设计的遗传算法运行稳定、切实可行.     

终端区受扰通行能力优化的动态网络流模型

为解决诸如危险天气和军航活动下终端区通行能力降低的问题,对终端区受扰通行能力的优化问题进行研究。针对以往终端区在受扰情况下依靠空中交通管制员的个人经验缺乏量化决策模型导致在突发事件下压力过大、通行能力大幅下降的问题,首先,界定了终端区容量与通行能力的区别;其次,根据空中交通流运行特点,结合M/M/c排队理论建立了终端区航线的费用函数;再次,在费用函数的基础上,考虑了航线与跑道容量、管制员负荷和网络流量随时间动态变化的特点,建立了一个以航行费用最小为目标的单品种流数学模型;最后,针对终端区航线网络费用动态变化的特点,设计了一种阶段性分配流量的近似算法。最后在各种流量条件下对模型与算法进行验证,仿真结果表明,模型和算法能够有效分配流量,相比于人工分配流量能有效降低延误,且在算法运算效率上比起传统算法更具效率优势。     

融合新闻影响力衰减的国际原油价格预测研究

随着大数据技术的发展,新闻数据被应用于国际原油价格的预测,但是目前缺乏对新闻数据影响程度和影响时长的研究.为量化新闻影响衰减,本文基于指数衰减和互信息提出了一种新闻影响力指数衰减时间序列的计算和择优方法.为提高预测精度,本文构建了基于差分进化优化算法的组合核函数支持向量回归预测模型,实现了权重系数、核函数参数和回归模型参数的优化选取.为评估方法的有效性,本文选择了8个模型进行对比研究.实证结果表明:本文设计的新闻影响力指数衰减时间序列计算方法提高了新闻指数与原油价格的相关性,有利于提升原油价格的预测精度;本文设计的预测模型具有较好的预测精度,验证集的平均绝对百分比误差为1.53%,优于对比模型.     

基于可拓多层次状态分类的终端区利用率评价

建立了空间、时间、容量3个维度多层次机场终端区利用率评价指标体系,采用可拓层次分析法与状态分类评价法相结合的综合评价方法,对终端区评价日利用率等级进行评判。该方法实现了定性与定量方法的有效结合,能准确、全面评价机场终端区的利用率等级,对促进空域充分合理使用及提高空域管理水平具有重要指导意义。以杭州机场终端区为例,确定了单跑道机场利用率的阈值分布,结果表明该终端区利用率等级为良,实例验证了该方法的可行性。     

基于航空信息网络的枢纽机场航班延误预测模型

航班延误一直是机场运营管理的一大难题，本研究报告面向区域多机场，重点针对机场集团内枢纽机场的航班延误问题，提出基于航空信息网络的航班延误预测模型NBFDM. 该模型不仅使用了航班自身的相关属性，并且还考虑了航空信息网 络内其他机场的因素对航班延误的影响. NBFDM模型首先提取航班本身的特征和该航班飞行前一段时间内航空信息网络的特征，然后使用PCA进行降维，对降维处理后的特征再使用SVR方法，得到非线性回归模型，用于预测航班的延误时间. 实验表明本研 究报告所提模型NBFDM相比仅使用航班自身属性的模型，对航班延误时间的预测误差降低约20%.     

基于NCAGA-投影寻踪混合优化城市客运量预测

为了提高参数投影寻踪回归(parameter projection pursuit regression,PPPR)模型对城市客运量的预测精度, 基于cat映射、高斯分布和精英局部搜索对加速遗传算法进行改进. 提出了新的混沌加速遗传算法(new chaosaccelerating genetic algorithm, NCAGA),用于对PPPR模型的最佳投影方向α的优选.建立了在外层优化岭函数个数M的同时,内层利用NCAGA优化最佳投影方向a的NCAGA-PPPR混合优化城市客运量预测模型,结合某市统 计资料进行了仿真预测.结果表明该方法的预测精度优于BP神经网络模型、传统PPR模型和基于加速遗传优选的PPPR模型, 平均绝对相对误差小于3.1%,提高了城市客运量的预测精度,可有效应用于城市客运量的预测.     

终端区四维轨迹预测

终端区四维轨迹预测技术是实现飞机四维制导的基础。结合当前空中交通管理体系和飞机的实际操作特性,采用过程综合法实现四维轨迹预测,具有较强的工程应用价值。建立了终端区风模型,研究了四维轨迹的解算,提出了实现四维轨迹预测的计算流程,理论上飞机到达机场的时间误差为0。     

水文序列ARIMA模型应用中存在的问题与改进方式

经典的ARMIA模型应用是对水文过程年际月变化所形成的时序数据进行计算处理,而忽略了水文过程平稳性检验和月际年变化对时序预测结果的影响.本文在对这一问题讨论的基础上,基于聚类提取分类后月份的特征,利用回归分析建立特征量和月水文数据间的关系,通过差分对特征量时序做平稳性处理,使用ARIMA模型按类预测特征量,由此,提出了一种新的挖掘水文时序月际年变化信息的方法,建立了改进的ARIMA模型及预测方法.作者以兰州降水站为例进行了应用验证,研究结果表明,改进后的ARIMA模型的精度要明显高于季节ARIMA模型,其平均残差达到了9.41,预报精度提高了21%,效果十分明显.最后就改进后的ARIMA模型的应用给出了进一步的研究方向.     

基于深度学习的物流需求预测模型研究

新一轮的科技革命和经济结构的不断优化对于区域物流需求的预测提出了更高的要求。本文以LSTM为研究对象,提出了基于深度学习的区域物流预测模型。从预测模型数据结构的角度,在时间序列和影响因子两个层面上,将深度学习预测模型与传统统计学方法,神经网络方法,基于优化寻参的支持向量回归机等方法进行综合对比评估。仿真结果表明,基于时间序列数据源的预测模型普遍优于影响因子数据源模型,而基于LSTM区域物流预测模型具有良好的预测性能,平均绝对百分误差4%左右,且稳定性好。     

一种基于相对模型的分布式预测控制算法研究

针对分布式系统中高精度的相对状态比绝对状态更易获取的特点,提出了一种基于相对状态模型的分布式预测控制方法.该方法的本质是各子系统通过预测其与相邻子系统的相对状态轨迹来求解分布式最优控制问题.与常规基于绝对状态的分布式预测控制方法相比,该方法的特点在于通过相对状态模型的引进改进算法的实时性,并通过减少测量噪声源提高控制精度.该方法适用于一般非线性分布系统,且在满足一定条件下能够保证整个系统的渐近收敛性.最后,在Matlab仿真环境中将该方法应用于多机器人编队控制中,并验证的该方法的可行性.     

基于GMDH的“一步式”客户流失预测集成建模

在客户流失预测问题中, 客户数据的特征往往会影响模型的预测效果.分析了常用的“两步式”客户流失 预测方法的不足,提出了基于数据分组处理(GMDH)技术的“一步式”客户流失预测集成研究框架.该框架一方面 将数据预处理和客户流失预测建模过程进行集成,另一方面用多分类器集成策略进行客户流失预测建模.以客户数据类别分布不平衡的客户流失预测问题为例,构建了与数据特征相适应的“一步式”集成模型. 实证结果表明,该方法能够更有效地进行客户流失预测.     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.     

基于小波消噪的混沌多元回归日径流预测模型

基于小波消噪理论对水文序列中的噪声进行了处理,然后利用混沌理论中的相空间重构技术计算出饱和嵌入维数作为多元回归模型的可控变量个数,将小波、混沌和多元回归方法结合起来对日径流进行了预测。与消噪前相比,消噪处理后建立的模型预测精度有了明显提高：预测合格率提高8%,平均绝对百分比误差为9.53%。因此在对水文时间序列进行混沌分析和预测之前,对其进行小波消噪是完全必要的。     

基于油液中金属浓度梯度特征的滤波剩余寿命预测模型

基于随机滤波理论的剩余寿命预测模型是基于状态的维修的重要组成部分. 首先根据设备磨损过程，建立了磨损、金属粒子浓度和剩余寿命三者的函数关系. 进而针对滤波模型基于油液信息进行预测时的局限性，建立了基于油液浓度梯度特征的滤波模型. 此模型无需对监测信息中的换油影响进行线性回归处理，从而减少了误差，并以金属浓度梯度特征建模，完善了状态信息与剩余寿命之间的负相关关系. 然后设计了极大似然参数估计方法，在参数估计过程中考虑了截尾数据对估计值的影响. 最后以某型自行火炮发动机的油液光谱分析数据为例，实现了发动机的剩余寿命预测，结果表明了该模型的可行性和有效性.     

机场终端区风场精细结构的数值模拟研究

在中尺度数值预报模式WRF模式的基础上通过多层嵌套的方法,提高了模式的分辨率,使得最内层嵌套区域能够满足机场终端区的要求,实现了对机场终端区风场的数值模拟.选取上海浦东机场终端区做个例进行风场的数值模拟,并模拟了浦东机场发生的一次风切变天气过程,1结果表明:数值模拟可以提取风切变的特征,并与风廓线雷达的结果相吻合,验证了该方法对机场终端区风场精细结构数值模拟的有效性,且数值模拟的空时分辨率均高于风廓线雷达的探测.     

基于遗传预估策略的智能主动队列管理

针对TCP传输过程中的典型时滞特性,提出了一种智能主动队列管理算法.该算法以自学习预估机制模型为核心来克服大时滞特征对网络稳定性能的影响,拥塞控制系统以两条信息通道分别实现模型补偿和预测控制功能.模型补偿通道采用了Smith预估嚣实现对网络时滞特征的动态补偿,并进一步设计迭代进化算法实现对Smith预估模型未建模特征的估计过程.预测控制通道采用基于神经网络的PID智能丢弃算法,通过神经网络的学习预测功能自适应调整预测控制通道的控制行为.通过仿真研究表明了提出的控制方法显著提高了拥塞控制机制的稳定性能和自适应性能.