排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
离场航空器滑行时间预测研究 总被引:1,自引:0,他引:1
为准确预测离港航班滑行时间,结合北京首都国际机场实际运行情况,分析航空器滑行距离、场面滑行航空器数量(进,离港)、跑道运行模式对航班滑行时间的影响;并运用DBSCAN算法按每小时航班流量对机场运行时间段进行分类;根据分类结果建立多元回归模型,分别采用传统统计学和机器学习(Lasso回归)预测航空器离场滑行时间.结果表明:与传统统计学多元线性回归模型相比,机器学习交叉训练集下模型的预测准确度较高,预测与实际误差值在5 min内的占87%.研究结果可用于大型机场实际运行航班滑行时间预测. 相似文献
5.
为准确掌握终端区航空器飞行模式,有效评估、优化飞行程序,首先,针对飞行轨迹点的时空特性,提出基于时间比的自上向下算法压缩轨迹;其次,结合轨迹点的速度和航向特征,建立基于多维属性特征的轨迹相似性模型;最后,应用禁忌粒子群(TSPSO)算法改进和优化模糊C-均值聚类(FCM)算法,并结合终端区的真实飞行轨迹数据对改进聚类算法进行验证.结果表明:轨迹压缩技术极大地降低了计算开销;与传统的FCM算法相比,改进后的聚类算法可以得到更优的满意解,提高飞行轨迹聚类效果. 相似文献
1