全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 航空发动机叶片热障涂层寿命智能预测方法研究
- 作者： 樊珊珊 来源： 西安理工大学 年份： 2021 文献类型 ： 学位论文 关键词： 特征提取 卷积神经网络 热振实验 热障涂层
- 描述： 航空发动机叶片热障涂层寿命智能预测方法研究
- 基于改进卷积神经网络的航空发动机RUL预测方法研究
- 作者： 孙行行 来源： 河南大学 年份： 2022 文献类型 ： 学位论文 关键词： 特征提取 卷积神经网络 多故障 剩余使用寿命预测
- 描述： 基于改进卷积神经网络的航空发动机RUL预测方法研究
- 基于改进EWMA控制图的美国航空股票短期交易的监控
- 作者： 胡霁芳 来源： 长安大学 年份： 2018 文献类型 ： 学位论文 关键词： 股票波动 主成分分析 短期交易 尺度加权方差法 EWMA控制图 正态变换
- 描述： 基于改进EWMA控制图的美国航空股票短期交易的监控
- 基于主成分分析和最小噪声分离的航空电磁数据去噪方法研究
- 作者： 陆依明 来源： 吉林大学 年份： 2018 文献类型 ： 学位论文 关键词： 主成分分析 主成分滤波 最小噪声分离 航空电磁探测 去噪 特征向量
- 描述： 基于主成分分析和最小噪声分离的航空电磁数据去噪方法研究
- 基于机器学习的航空公司客户价值自动识别模型研究
- 作者： 覃玉冰 来源： 湘潭大学 年份： 2019 文献类型 ： 学位论文 关键词： 主成分分析 机器学习 BP神经网络 客户价值 k Means聚类
- 描述： 基于机器学习的航空公司客户价值自动识别模型研究
- 区域航空市场航线客流量预测研究
- 作者： 侯奎宇 来源： 华中科技大学 年份： 2016 文献类型 ： 学位论文 关键词： 支持向量机 组合预测 区域航空市场 神经网络 航线客流量预测
- 描述： 随着近十几年来我国航空业的飞速发展，人们认识到使用收益管理可以带来巨大的利润，越来越多的航空公司将其应用到航空管理领域。客流量预测做为收益管理的决策基础，其预测结果将直接影响舱位控制、定价和超售的效果。客流量预测包含多个方面的内容，如航空公司业务总量，航线客流量预测，机场吞吐量预测等等，本文选择区域航空市场航线客流量预测做为研究重点。论文首先对收益管理中的客流量预测理论、方法、模型做了阐述；其次通过对区域航空市场特征的深入研究，总结出影响客流量的各种因素；其三，在这些理论研究和现状分析的基础上，本文针对区域航空市场的特点，提出了一个自顶向下逐步分解的航线客流量预测模型，由总体趋势预测，航线中长期预测模型和短期预测模型三部分构成；其四，论文对中长期预测模型和短期预测模型分别进行详细论述，中长期预测模型中，先对如何划分时间段和影响因素进行分析，然后使用由神经网络和支持向量机构成的组合预测来实现，短期预测从分析短期影响因素入手，使用神经网络实现该部分；最后，结合DF公司实际情况，通过实例分析，并同常见方法进行对比，证明了该预测模型的有效性。
- 基于支持向量机的航空常旅客数据挖掘
- 作者： 陈建湘 来源： 中山大学 年份： 2016 文献类型 ： 学位论文 关键词： 支持向量机 预测 忠诚度 常旅客 数据挖掘
- 描述： 常旅客计划是航空公司争取市场份额，培养忠诚旅客群的有效市场策略。研究结果表明，发展一个新客户的成本要远远高于保留一个现有的客户。而根据调查，国内航空公司的每年的客户流失率都高达20%左右。常旅客的竞争就是信息的竞争，建立常旅客系统的目的就是为了提高航空公司的搜集常旅客信息的能力，其本质就是提高企业的判断能力。发掘常旅客信息的含金量，分析常旅客的成分构成、流向流量等并考察常旅客的收益状况，评估奖励政策，从而采取相应的措施，吸引更多旅客，创造更大的收益，这是常旅客系统数据挖掘的意义。常旅客系统常用的数据挖掘方法有客户细分、关联销售、忠诚度分析等。本文以支持向量机数据挖掘方法和过程为指导，对航空常旅客数据进行预测分析。主要做了两方面的预测分析，一方面是预测常旅客的忠诚度变化，另一方面对每年的常旅客总累积里程做一个预测。根据本季度常旅客的消费行为和常旅客的基本信息，来预测下个季度的忠诚度。如果某常旅客忠诚度下降，就要提前预警决策管理系统，找出该旅客可能流失的原因，并采取相应的措施。如果忠诚度上升，也要继续维持与该旅客的紧密联系，并找出上升原因。通过数据挖掘可以提前预知常旅客忠诚度变化，防止旅客流失，保持他们对公司的高忠诚度。常旅客的忠诚度预测，本质上是一个数据挖掘中的分类问题，即忠诚度上升和下降的两类分类问题。我们在支持向量机的基础上，提出两层支持向量机，即增加一个核主成分提取的预处理过程。我们以RFM忠诚度理论为基础，建立一个适合航空常旅客购票行为的改进的忠诚度模型，在此模型上运用两层支持向量机方法进行忠诚度预测。在实验过程中我们对标准的支持向量机算法的核函数选择与超级参数选择进行了探讨，我们对两层支持向量机、标准支持向量机、传统决策树方法C4.5的过程和结果进行了比较。除此之外，在常旅客系统中，我们可以对总常旅客的每年总累积里程做一个预测。飞机数量、飞行小时、总公里数这些数据都代表航空公司的投入，而会员累积里程代表航空公司的收益，预测的意义在于，运用已经建立好的预测模型和公司未来的投资计划，来预测收益回报。会员累积里程预测，本质上是一个回归问题。我们在传统的统计分析例如相关分析、孤立点分析的基础上，利用多种回归方法进行预测。所使用的回归方法有原始最小二乘线性回归，稳健性回归，支持向量回归等。总的实验结果表明两层支持向量机的分类预测准确率比标准支持向量机更高，泛化能力也更好；两层支持向量机与C4.5比较的结果表明前者准确率更高，但是训练时间也更长，至于泛化能力则两者差不多。对比原始的最小二乘回归和稳健性回归，支持向量回归具有更好的泛化能力和抗噪声数据干扰能力。
- 航空发动机典型故障监测方法研究
- 作者： 刘宏伟 来源： 沈阳航空航天大学 年份： 2017 文献类型 ： 学位论文 关键词： 支持向量机 极限学习机 主元分析 核极限学习机 主燃油泵
- 描述： 航空发动机主燃油泵作为航空发动机燃油系统的核心部件之一,其能否正常工作将直接影响到飞机的飞行安全。由于主燃油泵长期处于高压、高温等恶劣的工作环境中,使得主燃油泵极易发生故障且寿命较短。因此,如何准确监测识别出航空发动机关键部件主燃油泵所处的不同故障模式,对确保飞机飞行安全以及降低维修成本起关键作用,具有重要的军事与经济价值。本文以某型航空发动机关键部件—主燃油泵为具体研究对象,对其在飞行过程中遇到的典型故障进行了故障监测技术研究。首先在某型真实航空发动机试验平台上,经长期试验,获取了航空发动机不同健康状态众多参数的原始数据。并对其进行预处理,进行主燃油泵数据有效性方法的研究,获取可以表征主燃油泵健康状态的特征参数。经综合分析后,将航空发动机主燃油泵健康状态分为正常工作状态、主燃油泵轴承损伤故障、主燃油泵调节器故障,以及当油门杆由慢车状态推至中间状态时航空发动机主燃油泵出现排气温度和转速超出限制值现象的故障这四种故障。最后,分别构建了基于SVM、基于ELM和基于KELM的故障诊断模型,并采用所构建的诊断模型对主燃油泵进行故障识别技术研究。研究结果表明,基于SVM故障诊断模型的准确率为87.5%,基于ELM故障诊断准确率为92.5%,KELM故障诊断的准确率为97.5%,因此本文所设计的状态监测算法可以对航空发动机主燃油泵的故障模式进行较好的故障诊断,均达到了预期的研究目标。