首页>
根据【关键词:集成学习,飞机推出,滑行时间,人工鱼群算法,回归预测】搜索到相关结果 6 条
-
飞机推出后发动机常见故障及处置
-
作者:
苗阳
来源:
科技视界
年份:
2021
文献类型 :
期刊
关键词:
飞机推出
常见故障
处置方法
发动机启动
-
描述:
本文针对A320飞机从机位推出后的发动机启动阶段故障发生率高,故障发生后处置时间短、压力大的问题。列举了在此阶段常见的故障,给出了相应的处置方法与处置策略,来帮助机务和机组人员快速、准确的处置相应故障,从而保障飞行安全和航班准点率。
-
基于人工鱼群算法的民航运输路径智能规划算法
-
作者:
先梦瑜
来源:
电子设计工程
年份:
2021
文献类型 :
期刊
关键词:
民航运输
自适应参数
人工鱼群算法
智能规划
-
描述:
民航航路资源的合理分配与规划,对于民航运输效率和经济价值的提升具有重要意义。文中针对民航航路规划与最优化分析问题,建立了一般化的资源分配模型,并根据实际情况使用模糊数学改进运输模型。为解决路径优化问题,文中引入了人工鱼群算法,采用自适应参数的方法提高算法的收敛速率与输出精度。最终建立算法验证平台,对于算法的可靠性、优化率和实时性等指标进行测试与分析。在与3种常见路径规划算法的对比中,该算法无论在规划效率、成本控制和可靠程度方面均有较为明显的提升。
-
基于深度学习的离场航空器滑行时间预测(英文)
-
作者:
李楠
焦庆宇
朱新华
王少聪
来源:
Transactions of Nanjing University of Aeronautics and Astronautics
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
场面运行
滑行时间
深度学习
航空运输
-
描述:
随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。
-
基于航空大数据和机器学习的航班延误预测
-
作者:
刘凡
来源:
南京邮电大学
年份:
2021
文献类型 :
学位论文
关键词:
集成学习
航班延误预测
随机森林
梯度提升决策树
长短期记忆人工神经网络
-
描述:
基于航空大数据和机器学习的航班延误预测
-
基于机器学习的终端区进场航空器预计到达时间预测
-
作者:
顾明昕
来源:
南京航空航天大学
年份:
2021
文献类型 :
学位论文
关键词:
集成学习
到达时间预测
进场航空器
机器学习
梯度提升回归树
-
描述:
基于机器学习的终端区进场航空器预计到达时间预测
-
基于机器学习的多电飞机电子系统线缆布局设计方法研究
-
作者:
杨旭
来源:
西安电子科技大学
年份:
2021
文献类型 :
学位论文
关键词:
复杂约束
集成学习
机器学习
线缆
布局优化
电磁兼容
路径规划
-
描述:
基于机器学习的多电飞机电子系统线缆布局设计方法研究