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
- 调频广播带宽对民航甚高频通信的影响分析
- 作者： 王淑玲 谢凤 朱倩倩 来源： 黑龙江大学自然科学学报 年份： 2018 文献类型 ： 期刊 关键词： 异常点 随机森林 强影响点 燃油消耗
- 描述： 为确定燃油消耗数据中可能存在的异常点及强影响点,运用随机森林算法,对预处理后的某场站近三年燃料油消耗数据建模;对回归模型分别做残差分析和影响分析,不仅从残差图中观察出偏离既定模型很大的数据点,还仿照经典的统计诊断理论,定义诊断强影响点的统计量,可确定出对统计推断影响特别大的点;所得结论与逐步回归法一致。
- 基于随机森林算法的某型飞机燃油消耗情况研究
- 作者： 王淑玲 谢凤 朱海洋 朱倩倩 来源： 数学的实践与认识 年份： 2018 文献类型 ： 期刊 关键词： 回归分析 随机森林 交叉验证法 燃油消耗 决策树
- 描述： 为确定某型飞机燃油消耗量同其它因素之间的相关关系,首先将预处理后的某场站近三年燃料油消耗的实际数据随机地分成10份;然后,分别借助决策树和随机森林算法,对数据建立回归模型,并采用10折交叉验证法,判断上述结果的可靠性;最后,使用平均的标准化均方误差来评价模型,得出结论.
- 航空器场面滑行速度与油耗研究
- 作者： 王湛 熊佳俊 陈浩 来源： 武汉理工大学学报(交通科学与工程版) 年份： 2017 文献类型 ： 期刊 关键词： 滑行路径 免疫自适应算法 滑行速度 燃油消耗 多目标优化
- 描述： 针对航空器在机场的滑行路径优化问题,以航空器滑行运动模型为基础,通过离散化滑行速度,采用多目标免疫优化方法,研究了当航空器使用固定的路径推出时,其滑行速度与油耗之间的具体关系.仿真结果表明,通过权衡航空器滑行速度与油耗,可以为指定的滑行线路提供多种滑行方案,满足空管的实时航班调配,同时也可以促进基于油耗的滑行路径优化研究,从而降低滑行时间和油耗,提高机场的运行效率.
- 某型军用飞机下降阶段燃油消耗模型研究
- 作者： 吴祯涛 李学仁 杜军 来源： 信号处理 年份： 2020 文献类型 ： 期刊 关键词： 互信息 长短期记忆网络 飞参数据 深度学习 燃油消耗
- 描述： 某型军用飞机下降阶段燃油消耗模型研究
- 基于灰色关联理论的航空公司节油策略研究
- 作者： 张序 罗凤娥 杨丰宁 俎振洲 叶楠 来源： 综合运输 年份： 2020 文献类型 ： 期刊 关键词： 节油激励 灰色关联 节油现状 降低油耗 燃油消耗
- 描述： 本文对航班飞行过程耗油进行全面的理论分析,针对燃油消耗密切相关的各个影响因素进行具体分析;并对航班飞行前准备、滑行、起动、爬升、巡航、下降等燃油消耗环节开展讨论,总结得出对于耗油各个环节的具体节油策略。同时运用灰色关联理论分析各个阶段的飞行策略及这些策略对航空节油的影响程度,采用取消、合并、重排、简化的ECRS原则,对节油策略进行分析讨论,对节油策略做出改善,达到提升公司效益的目的。
- 基于维修日志的飞机设备故障原因判别方法
- 作者： 王锐光 吴际 刘超 杨海燕 来源： 软件学报 年份： 2019 文献类型 ： 期刊 关键词： 维修日志 卷积神经网络 故障诊断 随机森林
- 描述： 在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络(convolution neural network,简称CNN)的小样本文本特征提取方法,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林(randomforest,简称RF)模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.
- 基于维修日志的飞机设备故障原因判别方法
- 作者： 王锐光 吴际 刘超 杨海燕 来源： 软件学报 年份： 2019 文献类型 ： 期刊 关键词： 维修日志 卷积神经网络 故障诊断 随机森林
- 描述： 在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络(convolution neural network,简称CNN)的小样本文本特征提取方法,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林(randomforest,简称RF)模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.
- 基于自适应粒子群优化的不平衡航空客户数据质量优化
- 作者： 姚雨虹 杨小兵 陈欣 来源： 厦门大学学报(自然科学版) 年份： 2020 文献类型 ： 期刊 关键词： 自适应粒子群 卷积神经网络 忠诚度预测 随机森林
- 描述： 航空业的竞争愈发激烈，高效且准确的客户忠诚度预测模型有利于提高企业竞争力。针对航空数据集存在严重分类不平衡、特征维度多等问题，提出了客户忠诚度预测模型。该模型基于自适应粒子群优化算法（APSO）得到多数类优化样本子集，使用卷积神经网络（CNN）提取得到的平衡数据集特征，将自动得到的特征向量作为随机森林算法（RF）的输入，构建客户忠诚度预测模型。实验结果表明，本文方法预测性能优于其他预测模型，可以更好地预测客户忠诚度情况。
- 基于随机森林和时间卷积网络的航空发动机故障预测
- 作者： 王秀娜 鲁守银 任飞 来源： 计算机时代 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机 时间卷积网络 随机森林 故障预测
- 描述： 航空发动机作为一种极其精密的设备，其内部传感器的运行状态决定了发动机能否稳定运行。因此，利用传感器的运行数据进行故障预测是维护发动机健康运行的关键。针对现阶段发动机故障预测精确度低的问题，提出了一种基于随机森林和时间卷积网络的混合模型。该模型利用随机森林算法进行重要性特征提取，然后添加滚动平均值和滚动标准差以增强数据特征，最后整合数据特征输入至时间卷积网络进行故障预测。采用C-MAPSS数据集进行验证，结果表明，该模型的故障预测性能相比于其他机器学习模型有较大幅度的提升。