基于TEI@I方法论的航空客运需求预测模型

作者： 梁小珍   张倩文   杨明歌   来源： 管理评论 年份： 2021 文献类型 ： 期刊 关键词： 长短期记忆模型   样本熵   TEI@I方法论   去趋势波动分析法   航空客运需求  

描述： 本文以TEI@I方法论为指导,提出了一个航空客运需求预测的研究框架。首先对航空客运需求时间序列进行EEMD分解,从数据驱动的角度出发,对各子序列的复杂性、平稳性、长程相关性等特征进行分析,并根据其不同特征选择合适的计量经济学模型或者人工智能模型进行预测,然后采用专家系统处理航空客运市场中的突现性和不稳定性,最后将上述几部分进行集成从而获得一个更为精确的预测结果。实证研究表明,基于TEI@I方法论的航空客运需求预测模型的预测效果远远优于其他基准模型。

基于二次分解策略和模糊时间序列模型的航空客运需求预测研究

作者： 梁小珍   邬志坤   杨明歌   汪寿阳   来源： 中国管理科学 年份： 2021 文献类型 ： 期刊 关键词： 模糊C均值算法   航空客运需求预测   自适应噪声集成经验模态分解   季节调整   模糊时间序列模型  

描述： 提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取不完全、分解方法带有固有缺陷等问题,导致组合模型预测效果不能得到充分的提升。为此,本文提出一种基于二次分解策略和模糊时间序列模型的航空客运需求预测方法。该方法首先利用季节调整模型(X12-ARIMA)将原始时序分解成季节成分序列与季节调整后序列,继而利用改进的自适应噪声集成经验模态分解方法(ICEEMDAN)将季节调整后序列分解成一系列不同时间尺度的本征模态函数(IMF)和残差序列(Residue)。然后使用基于模糊C均值算法(FCM)划分论域区间的FTS模型对季节成分序列、各IMF分量以及残差序列分别进行预测。最后将各分量序列的预测结果进行集成,重构出航空客运需求的预测值。实证结果表明,本文所提出的二次分解策略表现显著优于传统的分解策略,并且本文所提出模型对于航空客运需求预测有着较高的准确性。

基于S4000P的军用飞机预防性维修任务优化研究

作者： 南雁飞   蒋庆喜   林聪   来源： 航空工程进展 年份： 2021 文献类型 ： 期刊 关键词： 维修任务优化   S4000P   预防性维修   优化逻辑   ISMO  

描述： 预防性维修是恢复和保持飞机安全性和可靠性的主要措施,其优化一直以来都是飞机制造商和使用方共同关注的问题。本文调研国际上主流的预防性维修任务优化方法及主要应用对象,并以适用于装备的S4000P ISMO流程为基础,结合军用飞机的特点,对原流程进行调整和个性化设计,构建预防性维修任务优化的逻辑流程。结果表明:该任务优化流程可用于军用飞机预防性维修任务的优化分析。

2020下半年民航旅客运输量预测

作者： 兰翔   周元炜   来源： 空运商务 年份： 2021 文献类型 ： 期刊 关键词： 旅客运输量预测  

描述： 新冠肺炎疫情的影响正在逐渐弱化,国民经济也在不断提升,国家统计局数据显示,今年第二季度中国GDP的增速回到3.2%,开始正向增长。和其他行业相比,民航客运市场的复苏相对缓慢,上半年旅客运输量1.5亿人次,为去年同期的45.8%。

基于CAE与LSTM的航空发动机剩余寿命预测

作者： 王旭   艾红   来源： 北京信息科技大学学报(自然科学版) 年份： 2021 文献类型 ： 期刊 关键词： 卷积自编码器   航空发动机   长短期记忆   健康因子   剩余寿命预测  

描述： 通过深度学习方法构建航空发动机的健康状况评估模型,并在此模型基础上进行剩余寿命预测。基于卷积自编码器构建航空发动机的健康因子(health indicator,HI),以其HI值反映健康状况;通过长短期记忆网络(long short-term memory,LSTM)建立HI与剩余寿命的特征关系,实现剩余寿命预测。经比较验证,此间接方法的预测精度优于多层感知机、支持向量回归等浅层神经网络,以及卷积神经网络、多层LSTM等直接预测的深度学习方法。

集合预报模式与飞机观测在层状云微物理特征方面的对比研究（英文）

作者： FU   Yuan   LEI   Hengchi   YANG   Jiefan   GUO   Jiaxu   ZHU   Jiangshan   来源： Atmospheric and Oceanic Science Letters 年份： 2021 文献类型 ： 期刊 关键词： 集合模式   飞机观测   液态含水量/冰水含量   粒子数浓度  

描述： 云中的液态含水量,冰水含量以及粒子数浓度在大气科学领域有着重要的作用。由于初边界条件的不确定性以及微物理方案的内在缺陷,云中微物理特征的准确预报仍然是一大挑战。集合预报方法是减少预报不确定性的有效途径。本文使用10个集合成员与飞机观测资料进行对比研究太行山东麓一次大范围层状云降水过程。研究结果发现:与控制预报相比,集合平均对液态含水量和冰水含量的预报能力有所提高,然而粒子数浓度的预报与观测相比存在低估,主要是因为模式低估了小于1000微米的降水粒子。

基于S4000P的民用航空动力装置系统预防性维修任务制定方法研究

作者： 王龙   来源： 航空维修与工程 年份： 2022 文献类型 ： 期刊 关键词： S4000P   预防性维修   动力装置   维修任务  

描述： 介绍了预防性维修大纲制定与持续优化国际规范（S4000P），分析了S4000P中系统的预防性维修分析方法，研究了S4000P在民用航空动力装置系统预防性维修任务制定方面的应用方法，并给出了相关应用示例与工作建议。

海南地区航空物流产业发展影响因素实证研究与预测分析

作者： 张玉   陈娜娜   周益   来源： 物流科技 年份： 2022 文献类型 ： 期刊 关键词： 航空物流业   预测   影响因素   海南  

描述： (1,1)对海南地区航空物流产业发展的衡量指标——航空货物周转量进行预测，得出海南地区航空物流业的整体水平将呈现出稳中有升的发展趋势，为进一步研究海南地区航空物流业的发展路径提供重要的依据与数据支撑。

基于XGBoost算法的终端区进场航空器飞行时间预测

作者： 徐文英   王大军   卢朝阳   顾明昕   来源： 北京交通大学学报 年份： 2022 文献类型 ： 期刊 关键词： 空中交通管理   进场航空器   XGBoost   飞行时间预测  

描述： 为了高效调配进离场航空器，得到进离场航空器的最佳排序顺序，采用机器学习的方法对终端区进场航空器的飞行时间进行预测.分析终端区航空器飞行特点和进场航空器飞行时间的影响因素并且提出了影响飞行时间预测的22个重要特征.引入密度聚类DBSCAN方法，聚类得到交通流的不同路径类别.建立了基于集成机器学习算法XGBoost的飞行时间预测模型，以云南昆明终端区为例，对模型进行了训练、验证和测试，并以平均相对误差和均方误差为评价指标来分析预测结果的误差.结果表明：与线性回归、支持向量机回归和人工神经网络方法相比，本文模型对飞行时间的预测结果最好，±5 min内的预测准确率达到95.18%.

航空整体结构件数控加工变形预测及控制技术研究进展

作者： 国凯   武冲   孙杰   来源： 航空制造技术 年份： 2022 文献类型 ： 期刊 关键词： 数字孪生   变形预测   加工变形   智能夹具   变形控制   变形机制   残余应力   航空整体结构件  

描述： 航空整体结构件数控加工过程中受多种因素的耦合作用，导致其加工后产生不同程度的变形，对产品的精度保障、加工效率的提升与制造成本的控制产生严重的不利影响。航空整体结构件数控加工变形是航空制造业面临的严峻挑战之一。首先对航空整体结构件数控加工变形的影响因素、内在机制和变形预测技术进行综述分析，进而阐述航空整体结构件数控加工变形控制及变形校正技术的研究现状，最后对航空整体结构件加工变形预测与变形控制技术的发展趋势进行了展望。