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
- 航空药理研究的回顾与展望
- 作者： 詹皓 袁海龙 来源： 空军医学杂志 年份： 2022 文献类型 ： 期刊 关键词： 合理用药 飞行安全 作业效能 航空药理学 综述
- 描述： 随着航空技术的快速发展，航空药理学与其他学科相互交叉渗透，逐步发展成为应用性和综合性较强的专业学科。笔者综述国内外航空药理学研究现状及发展动态，重点阐述飞行人员健康维护、作业效能提升、防治常见
- 航空燃油离心泵参数化设计方法研究综述
- 作者： 符江锋 赵志杰 李华聪 魏鹏飞 王淑红 来源： 推进技术 年份： 2022 文献类型 ： 期刊 关键词： 参数设计 航空发动机 优化方法 离心泵 综述
- 描述： 燃油离心泵是航空发动机控制系统的关键动力元件，结合当前航空燃油离心泵技术发展和设计需要，本文总结对比了离心泵典型参数化设计及优化设计方法。分析了离心泵四种参数化设计方法的技术特点及其局限，考虑到离心泵参数设计方法中存在的随机性和盲目性问题，进一步补充分析了离心泵的结构优化方法，包括基于启发式算法的全局优化方法、基于梯度的优化设计方法和基于代理模型的优化设计方法三类，并指出了三类优化设计方法亟待解决的科学和技术问题。在此基础上，通过分析国外航空发动机燃油离心泵的发展状况，指出了我国航空发动机燃油离心泵所面临的技术挑战、问题和技术发展方向，并立足于现有国内设计基础，给出了夯实我国航空燃油离心泵设计能力需开展的基础性研究工作。
- 基于卷积LSTM模型的航空器轨迹预测
- 作者： 刘龙庚 翟俐民 韩云祥 来源： 计算机工程与设计 年份： 2022 文献类型 ： 期刊 关键词： 长短期记忆网络 时间序列 空管大数据 航迹聚类 深度学习 智能交通 航迹预测
- 描述： 采集空管大数据,根据空管大数据的特点,对数据进行数据融合,利用改进的聚类算法处理航迹数据,对得到的各类航迹数据分别构建模型,提高模型的预测精度。分别构建Stack LSTM和基于卷积LSTM的航空器轨迹预测模型,以真实雷达数据为例进行仿真实验,对仿真结果进行对比,其结果表明,基于卷积LSTM的航空器轨迹预测模型可以将预测的均方根误差控制在400s内,验证了预测模型可以实现航空器轨迹的精确预测。
- 我国航空植保的发展现状及展望
- 作者： 马英剑 徐勇 孙利 陈志洋 冯建国 吴学民 来源： 农药 年份： 2022 文献类型 ： 期刊 关键词： 航空植保 飞防药剂 无人机 综述 展望 应用现状
- 描述： 近年来，由于国内青壮年劳力短缺和种植模式转变，以及现阶段政府对“三农问题”的高度重视，为我国航空植保技术的应用发展带来了广阔的前景。本文从植保无人机、飞防药剂和助剂、专业技术人员等方面进行了总结与归纳，比较全面地介绍了我国植保领域飞防技术的发展应用现状，并针对目前存在的飞防药剂匮乏、专业技术人才短缺等问题，提出了相应的建议以及对未来进行了展望，以期为促进我国植保领域飞防技术快速有序发展提供参考。
- 基于机器学习的航空公司乘客满意度预测
- 作者： 刘宇波 来源： 科技创业月刊 年份： 2022 文献类型 ： 期刊 关键词： 机器学习 满意度 预测 Python
- 描述： 利用Python中的pandas库、numpy库和matplotlib库对数据进行预处理和分析可视化，然后运用机器学习分类算法对数据进行建模，最后对预测结果进行分析。该建模可对用户满意度进行预测，以便制定合适的运营方案，提高乘客满意度。
- 基于机器学习的机场场面航空器速度控制研究
- 作者： 刘玥琳 来源： 中国民用航空飞行学院 年份： 2022 文献类型 ： 学位论文 关键词： 场面自动化 机器学习 航空器速度控制 机场场面冲突
- 描述： 基于机器学习的机场场面航空器速度控制研究
- 基于XGBoost的航空器动态滑行时间预测方法研究
- 作者： 赵征 冯事成 宋梅雯 胡莉 陆莎 来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 机器学习 XGBoost 动态滑行时间 航空运输 样本量
- 描述： 对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。
- 基于XGBoost的航空器动态滑行时间预测方法研究
- 作者： 赵征 冯事成 宋梅雯 胡莉 陆莎 来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 机器学习 XGBoost 动态滑行时间 航空运输 样本量
- 描述： 对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。