基于数据驱动的机场水泥混凝土道面性能退化预测

针对机场道面性能退化过程的精确预测问题,本文采用数据驱动的机场道面预测性维护方法,通过指示变量将两种数据集进行联合分析,考虑机场道面性能退化过程受飞行交通量和道面面层厚度的影响,以机场道面性能状况指数衰变的非线性函数为期望函数,建立一种机场道面性能退化双参数预测模型;根据模型的参数估计结果,采用边际效应分析结合预测性能曲线图示,对不同飞行交通量水平和不同道面厚度等级的道面性能退化过程预测进行分析。结果表明,采用数据驱动和非线性混合效应方法,搭载联合估计技术,能较为显著地提高机场道面性能退化预测的精度和效果。     

点汇聚系统的航空器污染物减排效应与机理

为研究点汇聚系统的环境效益及减排机理,采用考虑气象条件修正后的航空器性能、燃油 流量及污染物计算模型,设计了理想条件下非高峰时刻与实际运行的高峰时刻两种场景,对比分 析了航空器在点汇聚系统与标准进场程序中污染物(即HC、CO、NOX、SOX和PM)的排放情况,并 从飞行时间、燃油消耗与排放指数3个方面分析了点汇聚系统的减排机理、识别了减排关键因素。 研究发现：在非高峰时刻,点汇聚系统与标准进场程序的污染物排放总量分别为5.79 kg与7.17 kg, 点汇聚系统较标准进场程序共减少约19.25%污染物排放,对NOX、SOX和PM减排效果显著;在高 峰时刻,点汇聚系统与标准进场程序的污染物排放总量分别为290.01 kg与406.69 kg,点汇聚系 统较标准进场程序共减少28.69%污染物排放,其中NOX减排比例最高可达48.32%。结果表明： 无论是非高峰时刻还是高峰时刻,点汇聚系统都具有良好的环境效益,可有效减少污染物的排放 总量,且对NOX减排效果最佳;较短的飞行时间、较低的燃油流量是点汇聚系统体现减排优势的 关键驱动因素。     

不确定条件下机场群系统均衡配流模型研究

为探索客流在机场群的分布规律,以整个航空出行链为视角,综合考虑空中交通、地面交通和旅客出行选择偏好,构建机场群系统均衡配流模型.以路径时间、机场停留时间、出行票价和旅客类型为主要参考属性,提出机场群系统旅客出行成本模型.由于路径时间与流量相关且存在不确定性,基于预算超出时间对路径时间的均值与方差进行统一度量.综合路径时间、出行票价、机场停留时间与旅客类型,基于Logit模型建立旅客对航空出行路径的选择模型,将机场群系统的客流均衡条件转换为变分不等式.基于投影收缩算法对变分不等式求解,从而得出客流在机场群间的均衡分布状态.算例结果表明,机场群系统均衡配流模型有效建立了客流分布状态,调整路径时间、机场服务水平、票价等因素均可促进客流在机场群间的均衡分布.     

兰州市大气污染成因分析

以兰州市大气污染为研究对象,针对兰州市区特殊情况,分别从气象条件和地形地貌,工业污染源,交通污染源和采暖污染源,沙尘暴和浮尘天气,地域发展不平衡等方面阐明影响兰州市大气污染的主要原因.     

客车空调智能控制系统的研制

基于模糊控制技术的客车窄调智能控制系统以AT89C52为微处理器,对车内外的温度、车内湿度以及车内空气中二氧化碳含量进行自动巡回监测,将测量结果送入串行模数转换器TLC1543转换成数字量送入单片机,通过计算输出相应的控制信号控制各个风门电机、热水阀、加湿阀和空气净化器进行协调动作,将车内空气控制在人体感觉舒适的范围内。     

电磁波在大气非平衡等离子体中的吸收

采用平板模型对入射电磁波在大气非平衡等离子体中的吸收特性进行了数值模拟,着重研究了大气中的负离子的存在、外加磁场以及碰撞频率等因素对电磁波吸收的影响,并给出了相关参数的数值模拟结果.     

水中气泡运动规律的研究

通过对水下气泡的受力分析,建立气泡在水中运动的微分方程,通过数值方法进行简化求解,得出用水深表示速度的ω(h)解析关系式,用以描述气泡运动包括加速段的整个过程.气泡急剧加速上升阶段很短,与直径有关;上升的最终速度与气泡的直径有关,与水深无关;接近恒速阶段的起始速度与水深有密切关系.     

北方汽车内空气污染物净化措施研究

车内空气质量的优劣直接关系到每个司乘人员的健康与否,而我国北方温差巨大等环境条件更严重恶化了车内的空气品质.因此对北方汽车内空气污染物的特征进行分析,分阶段研究车内污染物的净化措施,对于有针时性地提出北方汽车内的净化措施和方法具有重要意义.     

航班延误信息下旅客选择行为模型及实证

针对航班延误后旅客选择行为的不确定性,本文基于累积前景理论对不同延误情景下旅客的选择行为进行研究.首先,以期望出行时间作为旅客行为选择的参照点,构建航班延误信息下旅客选择行为模型,并指出在不同延误情景下参照点具有动态性特征;然后,利用调查问卷,得到准时到达敏感性、信息影响程度两个参数值及不同延误情景下旅客对出行时间的判断,计算得到期望出行时间;最后,以北京-上海航线为例,计算得到不同延误情景下旅客不同选择行为的累积前景值,从而得到旅客的最优选择行为.结果表明：随着航班延误规模的增大及延误时长的增加,旅客的期望出行时间随之增长,体现了参照点动态性的特点;在不同的延误情景下,旅客的最优选择行为有所差异;通过实际验证,理论模型能有效地描述旅客在不同延误情景下的选择行为.     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.