控制和減少航班延誤是國內(nèi)外民航管理工作的一個長期主要任務。通過航班數(shù)據(jù)分析,挖掘數(shù)據(jù)內(nèi)在特征,并找出其中的延誤與波及變化趨勢,對航班延誤問題的研究有重要指導意義。本文采用定性分析和定量分析相結(jié)合的方法深入研究了航班延誤的理論問題,應用貝葉斯網(wǎng)絡理論建立實際航班數(shù)據(jù)的貝葉斯網(wǎng)絡模型,分析航班延誤影響因素之間的因果關系,給出不同條件下航班延誤的概率分布情況。重點研究了貝葉斯網(wǎng)絡結(jié)構(gòu)學習的理論方法問題。第一章概述,介紹了航班延誤問題的提出,航班延誤與波及問題特性分析,總結(jié)了國內(nèi)外研究現(xiàn)狀;描述了基于貝葉斯網(wǎng)絡學習的知識發(fā)現(xiàn)過程;給出本文主要研究思路。第二章介紹貝葉斯網(wǎng)絡學習,描述貝葉斯網(wǎng)絡學習的基本概念,討論了貝葉斯網(wǎng)絡參數(shù)學習、貝葉斯網(wǎng)絡結(jié)構(gòu)學習、評分模型以及模型優(yōu)化的主要方法。第三章提出了高評分優(yōu)先遺傳模擬退火貝葉斯網(wǎng)絡結(jié)構(gòu)學習算法,把解決組合優(yōu)化問題的模擬退火搜索算法和遺傳算法應用于貝葉斯網(wǎng)絡的結(jié)構(gòu)學習,有效避免高分個體誤導種群發(fā)展方向所帶來的早熟問題,以提高貝葉斯網(wǎng)絡結(jié)構(gòu)學習的精度。第四章提出了基于遺傳禁忌搜索的貝葉斯網(wǎng)絡結(jié)構(gòu)學習算法,將禁忌搜索算法的思想應用于基于遺傳算法的貝葉斯網(wǎng)... 

【文章來源】：天津大學天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：113 頁

【學位級別】：博士

【部分圖文】：

航空器運行過程中的航班延誤分類

天津大學博士學位論文時間，該架飛機執(zhí)行的后續(xù)航班任務，即便不再受天氣影響也同樣會發(fā)生間的延誤。不難想象，對于大型樞紐機場由于天氣原因引發(fā)的多航班延誤因為延誤波及造成更大面積的航班延誤。如圖 1-2 表示航班計劃表中的三架飛機連續(xù)航班的計劃和實際執(zhí)行情況飛機 A 一天連續(xù)飛行 4 個航班(flight)，飛機 B，C 分別連續(xù)飛行 3 個和 5。連續(xù)航班的存在產(chǎn)生這樣的問題：由于計劃緊湊，當初始航班發(fā)生延誤應的后續(xù)航班也將發(fā)生不同程度的延誤。圖 1-2 中每個矩形條左、右端橫別對應航班的起飛時間、到達時間，兩航班之間為過站時間。實線矩形條班計劃情況，對應下面的虛線矩形條表示航班實際執(zhí)行情況。圖中三架飛在航班延誤。初始航班延誤波及產(chǎn)生下游航班延誤，波及情況因初始延誤及下游各過站時間延長的不同而不同。

到后驗貝葉斯網(wǎng)絡的過程稱為貝葉斯網(wǎng)絡學習。貝葉斯網(wǎng)絡學習是用數(shù)據(jù)對先驗知識的修正，貝葉斯網(wǎng)絡能夠持續(xù)學習，上次學習得到的后驗貝葉斯網(wǎng)絡變成下一次學習的先驗貝葉斯網(wǎng)絡，如圖2-2所示[33]。圖 2-2 貝葉斯網(wǎng)絡持續(xù)學習圖貝葉斯網(wǎng)的學習分為結(jié)構(gòu)和參數(shù)分布學習，貝葉斯網(wǎng)結(jié)構(gòu)的節(jié)點通�？捎深I域?qū)＜医o出。2.3 貝葉斯網(wǎng)絡參數(shù)學習貝葉斯網(wǎng)絡參數(shù)學習的目標是:給定網(wǎng)絡拓撲結(jié)構(gòu)S 和訓練樣本集D，利用先驗知識，確定貝葉斯網(wǎng)絡模型各節(jié)點處的條件概率密度，記為: p (θ D,S)。常見的參數(shù)學習算法有:最大似然估計算法、貝葉斯算法、EM 算法和梯度下降算法等。相對于訓練樣本數(shù)據(jù)完整和不完整情況，參數(shù)學習算法不相同，學習的難易程度也不一樣[34-37]。2.3.1 完備數(shù)據(jù)集下參數(shù)的學習隨機數(shù)據(jù)集的每個事例中都觀察到了所有的變量，則稱數(shù)據(jù)完備。完備數(shù)據(jù)集下的參數(shù)學習主要有最大似然估計和貝葉斯估計。

【參考文獻】：
期刊論文
[1]多等級模糊評價方法在航班延誤中的應用[J]. 石麗娜.  上海工程技術大學學報. 2006(03)
[2]航班地面等待模型中的延誤成本分析與仿真[J]. 徐肖豪,李雄.  南京航空航天大學學報. 2006(01)
[3]空中交通流量管理中的多機場地面等待策略[J]. 姜微微,崔德光,舒學智.  清華大學學報(自然科學版). 2006(01)
[4]進近區(qū)域到達航班排序和調(diào)度的優(yōu)化[J]. 陳煒煒,耿睿,崔德光.  清華大學學報(自然科學版). 2006(01)
[5]基于貝葉斯網(wǎng)絡的權重自學習方法研究[J]. 胡文斌,孟波,王少梅.  計算機集成制造系統(tǒng). 2005(12)
[6]機場航班延誤優(yōu)化模型[J]. 馬正平,崔德光.  清華大學學報(自然科學版). 2004(04)
[7]空中交通流量管理研究綜述[J]. 高海軍,王健,陳龍,王飛躍.  控制工程. 2003(06)
[8]基于Bayesian網(wǎng)絡的缺損數(shù)據(jù)處理方法[J]. 楊欣斌,孫京誥,黃道.  華東理工大學學報. 2002(S1)
[9]分組樣本下Bayes網(wǎng)絡條件概率的學習算法[J]. 汪榮貴,張佑生,彭青松.  小型微型計算機系統(tǒng). 2002(06)
[10]區(qū)域空中交通流量控制研究[J]. 趙嶷飛,金長江.  飛行力學. 2002(02)

博士論文
[1]基于貝葉斯網(wǎng)絡的知識發(fā)現(xiàn)與決策應用研究[D]. 張少中.大連理工大學 2003
[2]貝葉斯學習理論及其應用研究[D]. 宮秀軍.中國科學院研究生院（計算技術研究所） 2002
[3]知識發(fā)現(xiàn)的圖模型方法[D]. 李剛.中國科學院軟件研究所 2001



本文編號：3487748