跑道容量的概率模型及容量曲线

跑道容量通常可用跑道容量曲线来表示，它表示了起飞着陆容量间的相互制约关系。从管制员的工作角度出发，以ASAC容量模型为基础建立了跑道容量的概率模型及其C语言实现，以实际机场统计数据，以单跑道容量曲线进行了计算和分析。模型计入了管制规则、进行（起飞）速度、位置不确定性、风速、跑道占用时间、机型组合等随机变量的影响。     

机场跑道交通量纵向分布研究

针对当前对机场交通量分布认识不全面的问题,重新审视现有机场道面交通量分析方法,提出了机场交通量纵向分布的概念,并计算出飞机在起飞和着陆两种情况下交通量纵向分布的数学方程,完善了机场道面交通量分析方法,为机场跑道平面设计和道面设计提供更为可靠的理论基础。同时分析了跑道交通量纵向分布的影响因素,发现飞机种类与性能、跑道两端起降概率以及跑道长度等多因素对跑道交通量纵向分布有较大的影响。     

高原机场飞机起飞滑跑距离计算方法

针对高原机场的复杂环境和飞机发动机性能明显下降的特点,分析了高原机场的飞机起飞滑跑过程.将机场实际气压换算为标准大气压力,用修正的发动机瞬时推力计算不同时刻的滑跑距离,提出了高原机场飞机起飞滑跑距离计算方法.分析了海拔高度、起飞质量、气温、风速等影响因素对飞机起飞滑跑距离的影响,得出滑跑距离的简化计算公式并进行了实例验证.分析结果表明:当高原机场海拔高度3 569.5 m,气温为16.4℃,逆风风速为2.1 m· s-1时,针对Ⅰ型飞机,采用提出方法计算的滑跑距离与实测滑跑距离的最大绝对误差不超过48 m,最大相对误差不超过2.7％;针对Ⅱ型飞机,采用提出方法计算的滑跑距离与实测滑跑距离的最大绝对误差不超过100m,最大相对误差不超过4.2％;针对Ⅰ型飞机与Ⅱ型飞机,应用简化计算公式计算的滑跑距离与实测滑跑距离的最大相对误差分别为3.9％和2.8％,满足工程精度要求.     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.     

多跑道机场离场航班推出时刻的优化研究

针对繁忙机场场面拥挤造成的大量航班延误状况,作者研究了繁忙多跑道机场离场航班的推出时刻最优问题,以缓解机场场面拥挤,减少航班的地面等待时间和提高跑道利用率。根据飞机尾流间隔的要求以及跑道起飞容量的限制,本文建立了多跑道机场离场航班推出时刻模型,并针对机场小规模的离场航班流量,设计启发式算法,并用算例进行仿真验证。结果表明,与先到先服务的推出时刻策略相比,经该算法优化后的航班总地面等待时间减少了近41%,同时跑道利用率提高了30%。     

PSO-BP混合预测模型及在港口集装箱吞吐量预测中的应用

运用粒子群优化算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权值参数进一步精确优化,从而建立基于粒子群优化的BP神经网络模型.运用该模型对某港口集装箱吞吐量进行预测.应用结果表明,该预测模型不仅能较好地拟合港口集装箱吞吐量的历史数据,同时对港口集装箱吞吐量的远期预测也具有较好的效果.     

基于灰色PSO-BP的客运量预测模型

在灰色预测模型、BF神经网络与粒子群优化算法PSO的基础上建立基于灰色PSO-BP的公路客运量预测模型。并根据陕西省近10 a的公路客运量数据,对GM(1,1)、BP神经网络、灰色PSO-BP网络预测模型的预测结果进行比较,得出基于灰色PSO-BP的客运量预测模型能充分发挥各种算法的优势、提高预测精度,更适合运用在公路客运量预测的领域中。     

飞机在双面横坡跑道上的航向稳定性

分析了飞机在双面横坡机场跑道上的受力情况 ,通过建立飞机在双面横坡上的运动方程 ,得出了飞机航向稳定性与机场双面横坡跑道坡度值的关系。结果表明横坡对航向稳定性有一定的影响 ,在现行规范取值时 ,影响非常有限。结论可用于指导机场跑道的横坡设计。     

一种新的机场地面容量评估模型

空中交通流量剧增,机场容量与空中交通需求的矛盾日益凸出,针对机场地面滑行网络,提出滑行飞机流优化算法,确定飞机经过指定滑行路径上各点的最优时间,避免航班冲突,减少航班延误,将该算法用于机场地面容量评估模型中的飞机流产生模块,结合计算机图形仿真技术开发了机场地面容量评估系统,利用成都双流国际机场的实际航班数据进行仿真计算,得到的容量评估结果验证了该评估模型的可行性和优越性。     

基于人工蜂群算法优化BP神经网络的交通流预测

建立基于人工蜂群算法(Artificial Bee Colony Algorithm,ABC)优化BP(Back Propagation)神经网络(ABCBP)的分析预测模型,对城市道路短时交通流进行预测。以BP神经网络为基础,通过人工蜂群算法优化神经网络的各个权值和阈值,考虑交通流的时间特性,将历史交通流量作为训练样本,预测某日的交通流量。多种算法的仿真试验对比表明:基于ABC-BP的预测结果比传统BP神经网络、小波预测神经网络以及PSO(Partide Swarm Optimization)-BP神经网络的预测结果更加精确。