發(fā)布時間：2018-06-22 02:54

  本文選題：航班延誤恢復 + 多跑道機場��； 參考：《中國民航大學》2016年碩士論文

【摘要】：近年來,隨著民航客貨運輸量的迅猛增長,國內許多機場通過增加跑道數(shù)量、擴建機場規(guī)模來增加機場容量,在提高了吞吐量的同時也造成了航班使用跑道的不確定因素增加和機場噪聲影響問題的加劇。多跑道機場數(shù)量與日俱增,航班、跑道、飛行程序之間的組合更加多樣化,噪聲影響分布不同,導致多跑道機場的噪聲預測問題與以往的預測方式不一樣且更加復雜。目前的預測方法主要面向單跑道單次飛行事件的噪聲預測問題,而機場噪聲具有聲級高,影響范圍廣,不穩(wěn)定的特點,對于航班延誤恢復時段大量航班密集起飛產生的“短時高噪”現(xiàn)象,使用已有的預測方法將會產生較大誤差,難以適用。因此,進行航班延誤恢復時段的多跑道機場噪聲預測研究很有必要。現(xiàn)有的預測方法主要面向單跑道的噪聲預測問題,對于目前因機場新建、擴建、跑道日益增加和航班延誤恢復時段航班密集起飛而導致噪聲影響加劇的問題,本文提出了“噪聲等效”的概念,基于一種帶約束條件的混合聚類算法,構建了一種基于機場噪聲等效的航班聚類模型,實現(xiàn)了航班跑道的等效匹配,減小了多跑道機場航班延誤恢復時段航班使用跑道不確定的因素。在此基礎上,通過BP(Back Propagation)神經網絡和NPD(Noise-Power-Distance)曲線插值的方法分別構造了機場噪聲等效預測模型,預測出一定時段的噪聲平均能量,為行業(yè)主管部門提供依據和參考。最后,通過理論及實驗證明,該預測模型把噪聲預測的不確定性因素抵消后大幅度提高了預測的準確率,實現(xiàn)了對多跑道機場在航班延誤恢復時段的噪聲等效預測。機場周圍的噪聲影響分布主要受飛行航跡控制,噪聲大小主要受機型、飛行參數(shù)影響。為了更方便快捷的從全局上預測和評估航班延誤恢復時段的多跑道機場的噪聲影響情況,基于不同跑道進行航跡聚類和機型聚類,把聚類結果的每簇中心航跡和代表機型數(shù)據組合導入INM(Integrated Noise Models)計算噪聲值構成噪聲數(shù)據庫,通過貝葉斯分類算法構建了一個基于貝葉斯分類的多跑道機場噪聲優(yōu)化預測模型。輸入航班號、機型、航跡簇類別、目的地、出港點等基礎數(shù)據即可快速得到噪聲預測結果。實驗結果表明,該模型不僅能夠預測航班放行正常時段的噪聲影響,還可以在一定誤差范圍內方便快捷地預測出航班延誤恢復時段的機場周圍敏感點的噪聲。
[Abstract]:In recent years, with the rapid growth of passenger and cargo traffic in civil aviation, many domestic airports increase their capacity by increasing the number of runways and expanding the size of airports. It not only improves the throughput, but also results in the increase of the uncertainty of the runway usage and the aggravation of the airport noise problem. With the increasing number of multi-runway airports, the combination of flights, runways and flight procedures is more diversified, and the noise influence distribution is different, resulting in the noise prediction problem of multi-runway airports is different and more complex than the previous prediction methods. The current prediction methods are mainly used to predict the noise of single runway single flight event, and the airport noise is characterized by high sound level, wide range of influence and instability. For the phenomenon of "short time high noise" caused by a large number of flight densities during the flight delay recovery period, using the existing prediction methods will produce a large error, which is difficult to apply. Therefore, it is necessary to study the noise prediction of multi-runway airport in flight delay recovery period. The existing prediction methods are mainly aimed at the noise prediction of single runway. At present, due to the construction and expansion of the airport, the increasing number of runways and the heavy takeoff of flights during the flight delay recovery period, the noise impact is aggravated. In this paper, the concept of "noise equivalence" is proposed. Based on a hybrid clustering algorithm with constraints, a flight clustering model based on airport noise equivalence is constructed, which realizes the equivalent matching of flight runways. Reduces the multiple runway airport flight delay recovery time flight use runway uncertainty factor. On this basis, the equivalent prediction model of airport noise is constructed by BP (back Propagation) neural network and NPD (Noise-Power-Distance) curve interpolation method, and the average noise energy in a certain period of time is predicted, which provides the basis and reference for the competent department of the industry. Finally, the theoretical and experimental results show that the prediction model can significantly improve the accuracy of the prediction by canceling the uncertainty factors of the noise prediction, and realizes the noise equivalent prediction of multi-runway airports in the period of flight delay recovery. The influence distribution of the noise around the airport is mainly controlled by the flight path, and the noise is mainly affected by the model and the flight parameters. In order to predict and evaluate the noise impact of multi-runway airports in the time of flight delay recovery more conveniently and quickly, track clustering and model clustering are carried out based on different runways. The data of each cluster center track and representative model of clustering results are imported into INM (Integrated noise models) to calculate the noise value to form noise database, and a Bayesian classification algorithm is used to construct an optimal prediction model of multi-runway airport noise based on Bayesian classification. The noise prediction results can be obtained quickly by inputting basic data such as flight number, aircraft type, track cluster category, destination, departure point and so on. The experimental results show that the model can not only predict the noise effect during the normal period of flight release, but also predict the noise of the sensitive points around the airport during the flight delay recovery period conveniently and quickly within a certain range of errors.
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：V351;TP183

【相似文獻】

相關期刊論文 前10條

1 劉平;開發(fā)航班延誤保險 破解經濟補償難題[J];中國民用航空;2004年08期

2 林石平;正確認識和處理航班延誤[J];中國民用航空;2004年12期

3 ;國外怎樣處理航班延誤[J];四川統(tǒng)一戰(zhàn)線;2004年09期

4 譚竹;;航班延誤補償困擾民航[J];中國質量萬里行;2004年08期

5 李小燕;;美國提升航空系統(tǒng)容量以減少航班延誤[J];綜合運輸;2006年06期

6 李伊;;航班延誤——航空公司說不出的痛[J];中國民用航空;2006年10期

7 張薇;;改善航班延誤的思考及對策[J];空運商務;2007年02期

8 許志國;;妥善處理矛盾 避免航班延誤糾紛[J];中國民用航空;2007年08期

9 謝泗薪;李榮;;航班延誤后服務改進與理賠方案設計[J];中國民航大學學報;2007年04期

10 孫金祿;;淺論航班延誤處置機制與措施[J];江蘇航空;2008年01期

相關會議論文 前7條

1 ;降低過站航班因機務原因造成的航班延誤率[A];山東省群眾性質量管理活動QC成果集[C];2002年

2 王苗苗;;治理航班大面積延誤 提升中國民航運行品質[A];探索 創(chuàng)新 交流（第4集）——第四屆中國航空學會青年科技論壇文集[C];2010年

3 韓明亮;王青勇;;基于模糊綜合評價的航空公司改善航班延誤程度的研究[A];中國企業(yè)運籌學[2011（1）][C];2011年

4 盧偉;;我國民航業(yè)航班延誤現(xiàn)象的空域擁堵因素分析[A];科學發(fā)展·惠及民生——天津市社會科學界第八屆學術年會優(yōu)秀論文集（下）[C];2012年

5 陳穗軍;肖海平;;粵瓊兩省天氣原因導致航班延誤的氣候特點分析[A];中國氣象學會2006年年會“航空氣象探測、預報、預警技術進展”分會場論文集[C];2006年

6 王勇;;淺析航班延誤后的地面服務工作[A];科學發(fā)展·惠及民生——天津市社會科學界第八屆學術年會優(yōu)秀論文集（下）[C];2012年

7 蔣立輝;張倩;;基于GSM短消息的航班延誤通知系統(tǒng)的設計和應用[A];2008通信理論與技術新進展——第十三屆全國青年通信學術會議論文集（上）[C];2008年

相關重要報紙文章 前10條

1 鄧敏敏;航班延誤　服務不延誤[N];中國旅游報;2004年

2 張勇;換一種方式進行航班延誤補償[N];中國民航報;2005年

3 楊群峰;20種原因110個因素細說航班延誤[N];中國民航報;2005年

4 蔡健;做好航班延誤后的服務工作[N];中國民航報;2005年

5 劉軍（東航甘肅分公司市場銷售部）;航班延誤需要旅客的理解[N];中國民航報;2005年

6 陳淑君;航班延誤，，服務不能延誤[N];中國民航報;2005年

7 林紅梅;航班延誤根源是壟斷[N];中國企業(yè)報;2004年

8 史麗萍;實施難度較大　航班延誤險短期難推出[N];國際金融報;2004年

9 陳天翔;三問“航班延誤險”[N];國際金融報;2004年

10 本報記者 吳紅軍;我們需要怎樣的“航班延誤險”？[N];金融時報;2004年

相關博士學位論文 前8條

1 劉小平;航班延誤情境下旅客群體性突發(fā)事件致因機理及預警機制研究[D];武漢理工大學;2013年

2 陳海燕;動態(tài)數(shù)據驅動的航班延誤預測關鍵技術研究[D];南京航空航天大學;2012年

3 曹衛(wèi)東;基于改進貝葉斯網絡結構學習的航班延誤波及分析[D];天津大學;2009年

4 劉玉潔;基于貝葉斯網絡的航班延誤與波及預測[D];天津大學;2009年

5 姚韻;航空公司不正常航班管理和調度算法研究[D];南京航空航天大學;2006年

6 賈傳亮;航空公司正點率考核與飛行員培養(yǎng)規(guī)劃研究[D];中國科學技術大學;2006年

7 張米;航空公司機組排班模型研究[D];清華大學;2014年

8 王巡;航空客戶消費行為分析與航班優(yōu)化研究[D];西南交通大學;2013年

相關碩士學位論文 前10條

1 許紅;我國航班延誤糾紛的現(xiàn)狀、誘因及對策[D];湖南大學;2007年

2 邱紅平;我國航班延誤成因分析及服務應對策略研究[D];復旦大學;2011年

3 張小莉;鄭州機場大面積航班延誤應急處置策略研究[D];昆明理工大學;2015年

4 盧治國;我國航班延誤治理對策研究[D];蘭州大學;2015年

5 申建明;昆明長水國際機場航班延誤綜合治理研究[D];云南財經大學;2015年

6 熊在林;拉薩機場大面積航班延誤協(xié)調聯(lián)動系統(tǒng)的設計與實現(xiàn)[D];電子科技大學;2014年

7 陳瑾;公共危機管理下的航班延誤問題與對策研究[D];陜西師范大學;2015年

8 趙怡;國際航班延誤的法律責任研究[D];華東政法大學;2015年

9 李暉;冰雪大霧天氣下大面積航班延誤信息系統(tǒng)的分析與設計[D];云南大學;2015年

10 王一涵;我國航班延誤下旅客權益保護法律問題研究[D];華東政法大學;2015年

本文編號：2051245