21世紀(jì)以來,隨著國家經(jīng)濟(jì)建設(shè)與工業(yè)生產(chǎn)的高速發(fā)展,航空交通運(yùn)輸成為人們選擇的主要出行方式之一,因而航空安全性及準(zhǔn)點(diǎn)率越來越受到人們的密切關(guān)注。而飛機(jī)積冰、顛簸、雷暴、風(fēng)切變以及低能見度等氣象因素是影響航班正常運(yùn)行的重要原因之一,其中西南地區(qū)機(jī)場受低能見度影響尤為顯著。本文以成都雙流機(jī)場2014-2018年5年間的氣象數(shù)據(jù)、大氣氣溶膠和大氣污染物數(shù)據(jù)對機(jī)場航班延誤及恢復(fù)進(jìn)行預(yù)測,主要內(nèi)容由以下三個(gè)部分組成:多元非線性分析、低能見度預(yù)測、航班延誤及恢復(fù)預(yù)測,具體概述如下:多元非線性分析部分,先進(jìn)行能見度與其影響因子之間的變化趨勢及相關(guān)性分析,確定3個(gè)主要影響因子及3個(gè)次要影響因子。由于能見度觀測值受觀測儀器量程的影響,為了數(shù)據(jù)的規(guī)范化,剔除數(shù)值為10km的數(shù)據(jù)組,對3個(gè)主要影響因子做多元非線性擬合,用得到的擬合方程對剔除數(shù)據(jù)組的能見度做反向計(jì)算得到的優(yōu)化數(shù)據(jù),優(yōu)化數(shù)據(jù)組中的能見度與其影響因子之間的任何非線性相關(guān)性均較原數(shù)據(jù)組要高,且主要影響因子與能見度之間的相關(guān)函數(shù)為S型函數(shù)。在低能見度預(yù)測方面,根據(jù)雙流機(jī)場的實(shí)際低能見度運(yùn)行程序設(shè)定3個(gè)能見度等級標(biāo)準(zhǔn)。由于一般BP神經(jīng)網(wǎng)絡(luò)存在局限性,所...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外大氣能見度研究現(xiàn)狀
        1.2.2 國內(nèi)大氣能見度研究現(xiàn)狀
        1.2.3 航班準(zhǔn)點(diǎn)率研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文的結(jié)構(gòu)安排
第2章 資料數(shù)據(jù)庫的構(gòu)建及研究方法
    2.1 觀測儀器與資料來源
    2.2 基本研究方法
    2.3 非線性回歸分析方法研究
    2.4 能見度預(yù)測等級劃分
    2.5 本章小結(jié)
第3章 各影響因子對大氣能見度的影響
    3.1 大氣能見度隨時(shí)間變化特征及相關(guān)性分析
        3.1.1 大氣能見度與其影響因子隨時(shí)間變化特征
        3.1.2 大氣能見度與其影響因子相關(guān)性分析
    3.2 大氣能見度的非線性回歸分析及擬合
        3.2.1 大氣能見度與PM_2.5和PM₁₀的非線性回歸分析
        3.2.2 大氣能見度與相對濕度的非線性回歸分析
        3.2.3 大氣能見度與相對濕度PM_2.5、PM₁₀的多元非線性擬合
    3.3 擬合方程對量程外數(shù)據(jù)求解
    3.4 本章小結(jié)
第4章 基于GA-BP神經(jīng)網(wǎng)絡(luò)的低能見度預(yù)測模型
    4.1 BP神經(jīng)網(wǎng)絡(luò)和遺傳算法的原理及適用性分析
        4.1.1 BP神經(jīng)網(wǎng)絡(luò)基本原理
        4.1.2 BP神經(jīng)網(wǎng)絡(luò)適用性分析
        4.1.3 遺傳算法的基本原理
    4.2 數(shù)據(jù)預(yù)處理及BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型設(shè)計(jì)
        4.2.1 預(yù)測時(shí)間范圍設(shè)定及數(shù)據(jù)準(zhǔn)備
        4.2.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的設(shè)計(jì)
    4.3 GA-BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)的設(shè)置
        4.3.1 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)
        4.3.2 GA-BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)設(shè)置
    4.4 實(shí)驗(yàn)結(jié)果的驗(yàn)證與分析
        4.4.1 預(yù)測模型的計(jì)算流程
        4.4.2 預(yù)測結(jié)果檢驗(yàn)
    4.5 本章小結(jié)
第5章 低能見度對航班延誤的影響
    5.1 正常航班的定義
        5.1.1 航班進(jìn)出港正常性指標(biāo)
        5.1.2 不正常航班原因分析
    5.2 航班動態(tài)數(shù)據(jù)處理及分析
        5.2.1 雙流機(jī)場整體延誤率研究
        5.2.2 進(jìn)出港航班小時(shí)平均航班量及延誤量分析
        5.2.3 不同能見度類別對航班延誤率的影響
    5.3 不同低能見度條件下的航班延誤時(shí)間變化規(guī)律
        5.3.1 低能見度的時(shí)間變化規(guī)律
        5.3.2 不同低能見度范圍內(nèi)的航班延誤率分析
    5.4 本章小結(jié)
第6章 低能見度條件下的航班延誤及恢復(fù)預(yù)測
    6.1 航班延誤及恢復(fù)預(yù)測的數(shù)學(xué)模型
    6.2 個(gè)例分析對數(shù)學(xué)模型求解
    6.3 航班恢復(fù)預(yù)測模型的檢驗(yàn)
    6.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝



本文編號：3830348