首页>
根据【检索词:模型简化】搜索到相关结果 118 条
-
主动性人格对空乘人员安全绩效的影响:一个有调节的中介模型
-
作者:
刘博
辛潇洋
姬鸣
游旭群
来源:
第二十三届全国心理学学术会议
年份:
2021
文献类型 :
会议论文
关键词:
空乘人员
主动性人格
安全绩效
安全氛围
安全态度
-
描述:
主动性人格对空乘人员安全绩效的影响:一个有调节的中介模型
-
基于切换LPV模型的航空发动机建模及优化控制
-
作者:
刘成
来源:
大连理工大学
年份:
2021
文献类型 :
学位论文
关键词:
航空发动机
优化控制
切换LPV模型
参数化
-
描述:
基于切换LPV模型的航空发动机建模及优化控制
-
面向航空发动机涡轮叶片修复的CAD模型适应性重构研究
-
作者:
孙晨豪
来源:
南京航空航天大学
年份:
2021
文献类型 :
学位论文
关键词:
叶片修复
涡轮叶片
数字化测量
配准
模型重构
-
描述:
面向航空发动机涡轮叶片修复的CAD模型适应性重构研究
-
基于改进STAMP模型的应急响应系统设计与情报体系构建分析——以航空器特情事件为例
-
作者:
岳仁田
李君尉
来源:
世界交通运输工程技术论坛(WTC2021)
年份:
2021
文献类型 :
会议论文
关键词:
情报体系
应急决策
应急响应
STAMP模型
-
描述:
基于改进STAMP模型的应急响应系统设计与情报体系构建分析——以航空器特情事件为例
-
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:
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RBF神经网络的波音737NG飞机引气系统故障诊断模型
-
作者:
肖晓阳
来源:
航空维修与工程
年份:
2021
文献类型 :
期刊
关键词:
RBF神经网络
故障诊断
引气系统
排故
-
描述:
鉴于波音737NG飞机引气系统故障率高、无系统衰退指示、无系统自检计算机、系统故障难放行、排故困难等特点,为快速准确地排除引气系统故障,提出利用RBF神经网络建立故障诊断模型,经实例验证,该模型能有效诊断引气系统故障,可辅助用于引气系统的排故。
-
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
-
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:
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RBF神经网络的波音737NG飞机引气系统故障诊断模型
-
作者:
肖晓阳
来源:
航空维修与工程
年份:
2021
文献类型 :
期刊
关键词:
RBF神经网络
故障诊断
引气系统
排故
-
描述:
鉴于波音737NG飞机引气系统故障率高、无系统衰退指示、无系统自检计算机、系统故障难放行、排故困难等特点,为快速准确地排除引气系统故障,提出利用RBF神经网络建立故障诊断模型,经实例验证,该模型能有效诊断引气系统故障,可辅助用于引气系统的排故。
-
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