管制扇区运行亚健康状态识别及预测研究

发布时间：2024-05-10 02:39

　　持续增长的交通流量、纷繁多变的空域限制,导致当前管制运行服务的复杂性增强、安全压力加大,管制员长时间处于超负荷工作。虽然我国民航安全运行平稳可控,但由空管原因引起的不安全事件数量增长,警示出管制运行中存在潜在性隐患,即管制运行处于亚健康状态。因此,对管制运行亚健康状态进行有效的识别和预测,使安全预防关口前移,为管制健康运行提供有力保障。本文以扇区空域单元为研究对象,利用雷达数据对管制运行亚健康状态进行识别和预测。首先,分析空中交通流特性及参数,探讨管制运行过程及管制工作负荷,然后借鉴亚健康理论,从空中交通流层面对管制扇区运行亚健康状态进行定义,并提出5项管制扇区运行亚健康评估指标。其次,利用组合赋权法确定亚健康指标权重,依据亚健康识别的不确定性和模糊性,建立了基于灰色聚类的管制扇区运行亚健康状态识别方法。再次,结合无监督学习和监督学习算法的优势,构建了基于Kmeans-AdaBoost的管制扇区运行亚健康状态识别方法,并比较了以上两种识别方法的优劣性。最后,根据交通流变化的长期周期性和短期不确定性特征,选择求和自回归移动平均模型和误差反向传播神经网络模型,建立了基于模糊软集合的管制扇区...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 管制运行风险
        1.2.2 交通流参数
        1.2.3 管制工作负荷
    1.3 研究思路与章节安排
        1.3.1 研究思路
        1.3.2 章节安排
第二章 基于扇区的管制运行状态分析及指标描述
    2.1 空中交通流
        2.1.1 空中交通流特性
        2.1.2 交通流三参数
        2.1.3 交通流状态描述
    2.2 空中交通管制
        2.2.1 管制运行概述
        2.2.2 管制工作负荷
    2.3 管制扇区运行状态指标
        2.3.1 运行风险指标
        2.3.2 运行效率指标
        2.3.3 交通拥挤指标
        2.3.4 管制工作负荷指标
    2.4 本章小结
第三章 管制扇区运行亚健康评估指标及数据处理
    3.1 管制扇区运行亚健康状态定义
    3.2 管制扇区运行亚健康评估指标
    3.3 数据处理
    3.4 本章小结
第四章 基于灰色聚类的管制扇区运行亚健康识别方法
    4.1 概述
    4.2 基于灰色聚类的管制运行亚健康识别模型
        4.2.1 基于灰色聚类的管制运行亚健康识别步骤
        4.2.2 确定亚健康评估指标权重
        4.2.3 确定白化权函数
    4.3 实例分析
    4.4 本章小结
第五章 基于Kmeans-Ada Boost的管制扇区运行亚健康识别方法
    5.1 概述
    5.2 基于Kmeans-Ada Boost的管制运行亚健康识别模型
        5.2.1 K-means聚类
        5.2.2 Ada Boost算法
        5.2.3 Kmeans—Ada Boost识别模型
    5.3 实例分析
        5.3.1 基于Kmeans聚类的亚健康状态划分
        5.3.2 Ada Boost识别模型性能评价
        5.3.3 两种识别方法对比
    5.4 本章小结
第六章 基于模糊软集合的管制扇区运行亚健康预测方法
    6.1 概述
    6.2 基于模糊软集合的管制运行亚健康预测方法
        6.2.1 组合预测模型
        6.2.2 单项预测方法
        6.2.3 组合预测方法求解步骤
    6.3 实例分析
    6.4 本章小结
第七章 总结与展望
    7.1 总结
    7.2 展望
致谢
参考文献
作者简介



本文编号：3968624