融合注意力机制SimAM的CNN-MogrifierLSTM航班延误波及预测

连续航班中的延误波及往往会引起大规模的航班延误产生,提前对航班延误波及问题进行预测可以为民航部门提供有效参考,减少相关的经济损失。本文首先对航班数据进行清洗与数据融合,针对空管部门实际航班运行情况提出强空间航班链数据集与强时序航班链数据集两种不同的构造方法;然后根据航班延误波及传播的空时特性提出融合注意力机制SimAM的CNN-MogrifierLSTM网络模型,先使用卷积神经网络（Convolutional Neural Network,CNN）结合注意力机制SimAM模块对空间特征进行提取,再用形变的长短时记忆网络（Mogrifier Recurrent Neural Network,MogrifierLSTM）对时序信息进行学习;最后使用Softmax分类器对延误等级进行分类预测。本文提出的预测方法,在航班延误波及进行预测的实验中取得了93.16%的准确率,相比单独使用CNN或LSTM大有提升,加上SimAM注意力机制后相比CNN-MogrifierLSTM网络在不同数据集上准确率也提升了0.6%左右。     

基于LSTM的航班过点时间预测

为了提高空管流量管理效率,在飞行计划阶段,精确推测航空器预计过点时间,提出了基于长短时记忆网络(Long Short-Term Memory,LSTM)的航班过点时间预测方法。通过关联航班飞行计划与实际雷达数据,根据计划数据航路点与实际过点时间信息构建了预测模型。将模型预测结果与真实航班过点时间进行对比,将预测过点时间与实际过点时间的绝对值误差作为评价标准,结果表明,基于LSTM的航班过点时间预测模型误差更小,以国内航班CCA4439为例,LSTM模型精度更高,可以将航班的过点时间误差控制在30s以内。     

引领飞机飞向备降场安全着陆有关问题研究

安全是所有飞行活动正常进行的根本,是飞行的生命线。在特殊情况下,如何引领飞机在备降场安全降落,是摆在航空人面前的一个现实问题。深入分析造成飞机被迫降停的原因,对如何选择合理的备降场进行针对性分析,总结出选择备降机场所遵循的原则,并提出正确引领飞机飞向备降场的方案,这对在特殊情况下引领飞机飞向备降场,安全着陆,指导飞行实践,提供一定的借鉴作用,具有积极的现实意义。     

基于时序数据挖掘的航班延误预测分析

航班延误一直作为国际国内民航业的一个热点问题。通过对航班延误的相关概念进行简要介绍,建立时间序列预测模型,将数据挖掘中隐马尔可夫模型和指数平滑预测方法应用于航班延误预测分析中。通过与所采集时间点的实际航班延误数对比分析来评估预测模型,得到较为理想的预测结果。该分析为航空公司运行指挥中心提供决策支持和理论依据,对保障航班正常运行有着重要的实际意义。     

基于LSTM-ARIMA模型的短期航班飞行轨迹预测

高效精确的航班飞行轨迹预测是未来空中交通管理系统的关键技术之一,其旨在提高空中交通的运行能力和可预测性。针对现有的航迹预测方法预测精度和稳定性不足的问题,在已有的历史航迹数据的基础上,构建了新的特征维度,分析了经度、纬度和高度三维数据的统计特性,将长短期记忆网络（Long Short-Term Memory,LSTM）对非线性和非平稳时间序列有较强的逼近能力,而差分自回归移动平均模型（Autoregressive Integrated Moving Average,ARIMA）对线性时间序列的处理能力更优的特点相结合,提出了一种以LSTM为主ARIMA为辅的组合短期航迹预测模型,先利用LSTM作为主预测模型对经纬度和高度进行预测,再利用辅模型ARIMA对高度的线性关系进行建模,最后采用CRITIC方法将LSTM和ARIMA预测的高度值融合处理。实验结果表明,这种组合模型利用了两种模型的优势,提高了航迹预测的准确性。      

基于线性回归的航班延误预测研究与系统开发

航班延误预测在航空领域有着广泛的应用,不仅可以减少航空公司在经济和信誉等方面的损失,而且可以给旅客提供更多的便利和更好的服务。利用线性回归方法设计一个Web服务,用来预测航班是否延误。用户输入航班号、出发时间、出发机场和到达机场,系统利用航班的历史记录和天气等信息预测航班到港时间。     

基于循环神经网络的航班延误预测模型

在民航飞行航班量持续攀升的背景下,航班延误对民航生产的影响越来越大,准确有效的航班延误预测能够有效降低延误所带来的不利影响,提高民航生产的运行效率和服务质量。文章通过引入循环神经网络来挖掘航班延误在时间维度上的潜在关系,设计了深度机器学习算法,建立了基于RNN及LSTM单元相混合的延误预测模型,文章所设计模型使用民航空管的历史真实数据,也是对机器学习技术在空管行业应用的有益探索。     

基于CBAM-CondenseNet的航班延误波及预测模型

针对航班延误衍生的航班延误波及问题,该文提出一种基于CBAM-CondenseNet的航班延误波及预测模型。首先,通过分析航班延误在航空网络内产生的延误波及现象,确定会受前序延误航班影响的航班链;其次,对选定的航班链数据进行清洗,将航班信息与机场信息进行数据融合;最后,提出改进的CBAM-CondenseNet算法对融合后的数据进行特征提取,构建Softmax分类器对首班离港航班延误波及的后续离港航班延误等级进行预测。该文提出的CBAM-CondenseNet算法融合了CondenseNet和CBAM的优势,采用通道和空间注意力机制来加强网络结构深层信息的传递。实验结果表明,算法改进后有效提升网络性能,预测准确率可达97.55%。

     

基于多任务NR-DenseNet网络的航班延误预测模型

不同于目前大多数只倾向于研究单一的分类或回归任务的航班延误预测方法,该文提出一种基于多任务NR-DenseNet网络的航班延误预测模型,旨在同时实现航班延误等级分类预测与延误时间回归预测。首先,预处理相关数据;其次,建立多任务学习特征提取共享层,使用NR-DenseNet网络提取任务之间的共享参数,深度挖掘任务之间的相关特征;然后,建立多任务学习特定任务层,通过回归器与分类器分别输出特定任务的预测结果;最后,采用损失加权方法对两个任务损失函数进行优化,平衡任务间的收敛速度,提高模型泛化性。将模型应用在宁波机场数据集中,与单任务模型相比回归任务平均MSE降低了23.4%,平均MAE降低了14.2%,分类平均准确率提升了2.7%。实验结果表明,该文方法提升了分类任务的准确率降低了回归任务的误差,可以有效提升模型性能。     

金属膜电阻失效前后概率分布及可靠性分析

产品在加工时总会有不可控的因素影响产品质量的稳定性,为解决这一问题,本文从可靠性分布函数的角度提出了提高电阻质量的方法。本文通过对金属膜电阻进行步进应力加速寿命试验以及电阻失效前后概率分布试验,得到了失效前后的阻值概率分布函数及正常应力下的概率分布函数与可靠性指标。实验结果表明,电阻阻值失效前后分布都属于威布尔分布。同时,给出了电阻损伤7.2%~15.6%,且失效模型为持续施加电压下不可逆的积累损伤模型时的分布函数,并获得了合格电阻与冒烟损坏电阻概率分布曲线的明显区别,从而,有可能从概率分布角度定义电阻的质量特性。     

利用移动终端定位和概率分布的话务量地理分布预测

为了更加实用、快速、准确地对话务量地理分布进行预测,使用CTR数据作为研究数据,以移动终端定位技术为基础,将概率分布模型用于话务量地理分布的预测上,提出了一种利用移动终端定位技术和概率分布模型的话务量地理分布预测方法,并通过MATLAB进行实现。同时,该方法在利用移动终端定位技术进行计算时,还考虑了天线方向增益的影响,将有望降低移动终端定位技术本身所产生的误差。     

基于轻量化网络MobileNetV2的航班延误预测模型

针对民航业中航班延误状况的日益凸显,传统算法存在准确率低、计算量以及参数量大的问题,且面对旅客主要使用移动设备查询的需求,传统算法难以直接部署在移动端,本文提出一种基于轻量化网络MobileNetV2的航班延误预测模型。模型首先对数据集做数据融合、编码等预处理;然后将其输入到网络中进行特征提取;最后利用Softmax分类器输出航班延误等级。应用于国内数据集,准确率最高为99.07%,模型参数量为1.31Million、计算量为40.58Million。本文模型在保障准确率的同时,尽可能降低模型的参数量和计算量,其性能优于传统网络,有助于在移动端实现航班延误预测。      

融合气象数据的并行化航班延误预测模型

针对航空数据呈现高维化、海量化趋势但传统模型处理大数据时单机计算资源不足的问题,本文提出一种基于Spark并融合气象数据的并行化航班延误预测模型。该模型利用数据框完成航班数据和气象数据的融合,从而在单个航班数据后加入不同小时的气象数据。然后,采用并行化方式进行随机森林的特征划分和树的生成,可快速进行航班延误预测。实验结果表明融入气象数据后查全率和正确率均有提高,针对不同阈值的延误时间进行预测时,大阈值的预测准确率更高。同时,并行化模型较单机模型更快收敛,具有较强的加速比。      

基于GP-LVM和LS-SVM航班延误等级预测研究

针对气象条件导致航班延误难以准确预测的问题,文章提出基于GP-LVM和LS-SVM的航班延误等级预测算法。通过GP-LVM对经过预处理的气象数据非线性降维,得到影响航班延误的显著变量;对航班延误进行LS-SVM的延误等级预测。仿真结果表明,文章提出的组合预测方法相对于单一SVM模型,能够提高航班延误等级预测准确率。     

一种基带GMSK信号相关器及其输出概率分布

该文提出一种基带GMSK信号相关器,并从GMSK解调信号的相位概率分布函数以及独立同分布随机变量和的概率分布函数出发,给出了该相关器的自相关峰和互相关峰的概率分布函数。从概率论与数理统计出发,推导了一种统一的数字相关器(数字匹配滤波器)的自相关峰和互相关峰的概率分布函数。数值计算结果表明,在相同条件下,该基带GMSK信号相关器的误检概率比数字相关器的低近一个数量级。     

航空公司电子客票航班查询动态缓存系统设计

本文采用机器学习技术实现航空公司电子客票航班查询的动态缓存.针对第三方大量抓取航空公司网站航班数据的问题,进行访问行为分析,建立航班查询缓存模型并进行系统改造,以达到降低查询预订比的效果.     

根据概率分布建立有源器件的统计模型

给出一种新的统计模型的建立方法。在有源器件物理模型的基础上，通过优化物理模型参数的均值和均方根，使所建立统计模型的Ｓ参数在各个频率上的概率分布逼近测量数据的概率分布。从建立微波ＭＥＳＦＥＴ统计模型的算例结果看出，本方法不仅能比较好地拟合样本Ｓ参数的概率分布，而且提高了计算效率。     

基于发电量-负荷平衡的风电系统可靠性预测方法研究

风能具有安全、可持续发展利用的特点,是应对化石能源枯竭以及火电、核电污染的新能源发电方式之一,但是自然风随机性较大,为风电系统安全运行和风能并网带来了挑战。可靠性预测是提高风电系统安全运行能力的有效方法,为此本文提出了一种基于风电系统风险和可靠性的预测分析方法,通过一组历史风力机发电和用电负荷数据,通过预测得到风电发电量-负荷的平衡关系;从发电量-负荷平衡的角度出发预测未来一年的负荷需求,最后通过实例进行了仿真,并将结果与风电场的实时数据进行了对比。仿真与实际数据对比的结果验证了该方法的有效性,表明本文提出的方法能够有效预测电力负荷需求,针对风电系统可靠性进行预测分析。