基于匈牙利算法的航班大面积延误放行排序优化

航班延误给航空运输业带来了很多不良影响。从航空公司的角度出发,以航空公司延误损失最小作为研究目标,分析延误损失的构成,并对延误航班经济损失建立指派问题数学模型,通过匈牙利算法计算最优解,从而得出航班大面积延误情况下,航空公司经济损失最少的航班恢复放行序列。     

多目标进场航班调度优化策略研究

对终端区进场航班调度问题,以延误损失和航班序列鲁棒性为目标,建立多目标进场航班调度优化模型。针对建立的模型运用RHC蚁群算法进行优化求解,同时对优化后的序列组进行鲁棒性排序,选出既能够降低航空公司延误损失,又能提高航班序列鲁棒性的优化序列。在仿真验证中,RHC蚁群算法策略与FCFS策略相比,延误损失降低21%。表明RHC蚁群优化策略能够大大降低航空公司的延误损失,提高航班序列的鲁棒性,从而降低管制员工作负荷。     

时间序列分析在海南第一、二产业中的应用

本文通过建立时间序列模型,并利用Eviews软件对海南1987年-2007年的农业总产值和工业总产值时问序列数据进行分析,并对海南2008年-2010年的农业总产值和工业总产值进行预测.该模型的预测效果较好,能充分反映时间序列趋势规律.     

基于航班延误的民航安全风险管理分析

随着经济的进步和社会的发展,人们对于交通运输行业的要求越来越高.民航作为特殊的运输方式给人们带来了便捷的出行条件.在民航中,航班延误的现象经常发生,这种现象不仅影响了经济的发展还对民航的服务质量造成了严重的影响.航班延误的民航风险管理将民航安全和航班延误等问题进行结合,使用相关的管理技术对航班延误造成的民航安全问题进行分析.本文对航班延误的原因、航班延误和民航安全之间的关系、安全风险管理等问题进行分析.     

ARMA预测模型及其在经济预测中的应用

以1978年至2008年的某省职工年平均工资作为样本数据、2009年至2010年的数据作为模型检验数据,建立了基于时间序列分析的ARMA模型,使用Eviews软件对时间序列进行分析,根据Box-Jenkins模型识别方法,得出模型的参数,进而得到模型,误差分析表明模型的预测结果非常理想。     

东航航班延误问题研究

统计了中国东方航空股份有限公司(东航:CES)一年的航班运行记录大数据,得出东航航班的总延误率和在各个机场的延误率以及航班起飞延误量分布的柱状图.分析了航班延误的具体原因,针对飞机迟来造成的波及延误,提出了调整航班计划时刻表的应对措施,有效降低了航班延误率.     

基于贝叶斯的金融时间序列预测研究

传统的时间序列分析与预测方法没有考虑样本和参数的先验信息,导致预测结果和实际数据的偏差较大,贝叶斯参数估计方法可以充分利用参数的先验信息,使得估计参数的方差更小,估计结果更加精确,预测结果更真实有用。随着MCMC方法和WinBUGS软件的发展,贝叶斯分析方法估计模型的计算困难逐渐减弱,因此,近年来贝叶斯时间序列预测方法越来越受到关注。本文基于上证指数收盘价的数据,采用Eviews和WinBugs软件,对样本数据进行预处理,利用贝叶斯参数估计方法进行时间序列自回归模型的实证研究分析。     

基于加权马尔科夫的航班延误预测研究

航班延误问题是大型枢纽机场运行管理的一个难题,针对这个问题建立基于加权马尔科夫链的定性定量预测模型,在传统马尔科夫的基础上引入加权的概念,并结合定性与定量方法进行综合预测。定性预测航班延误的升、降趋势;以延误率为依据,将延误状态分为4个级别,定量预测下一时间段的延误状态。两种方法相互检验、相互补充。结合某机场实例进行验证,实验结果表明:模型计算方便,能有效预测航班延误情况,为机场管理提供决策依据。     

甘肃省GDP的时间序列分析与预测

以甘肃省1978年至2012年35个年度的GDP数据为例,结合Eviews软件通过识别、估计和诊断等过程实证分析了数据的变化情况,建立了一个能够有效拟合甘肃省GDP变化规律的时间序列模型,得到了误差较小,短期预测较为准确的满意结果.     

我国社会消费品零售总额的时间序列分析与预测

以1995年至2016年22个年度的社会消费品零售总额数据为例,结合Eviews软件通过识别、估计、诊断等过程实证分析这些数据的变化情况,建立能有效拟合其变化规律的时间序列预测模型,对未来几年的社会消费品零售总额进行预测,最终得到误差较小,短期预测较为准确的满意结果.     

混沌时间序列单变量和多变量重构的预测比较

提出了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数的选取方法，给出了多变量混沌时间序列的局部平均预测法，局部线性预测法和BP神经网络预测法等3种非线性预测方法．通过Lorenz系统的仿真计算表明，无论用3种非线性预测方法中的哪一种，多变量混沌时间序列要比单变量混沌时间序列的预测误差小得多，即使前的数据长度只有后的一半，前的预测误差也要小很多．另外从预测误差最小的角度验证了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数选取方法的有效性．     

一种基于Matlab的大文本试飞数据绘图策略研究

为满足大文本试飞数据图形可视化分析需求,基于Matlab语言对大文本试飞数据的可视化绘图策略进行探讨。结合试飞数据绘图分析特点,重点研究大文本试飞数据绘图中的关键策略：①数据加载方式选择;②多参数对比曲线图绘制方法;③绘图操作的继承。通过关键绘图策略程序,减少了试飞数据载入内存时间,完成了3种多参数对比图绘制,达成重复绘图操作的有效继承。该关键策略可在大文本试飞数据可视化绘图分析中发挥关键作用,提高试飞数据绘图分析效率。     

统计应加强生存分析的教学与研究

生存分析是一种以截断数据为研究对象的统计方法，在统计学中自体系，是一种重要的统计方法。生存分析越来越受到人们的关注和重视，但在我国统计教学中却很少涉及，应加强生存分析的教学与研究，把生存分析作为统计基本方法推广应用。     

国内民用航空旅客运输延误的民事责任研究

民航总局2012年《民航航班正常统计办法》提出"航班延误"的计算公式,明确了航空公司作为航班延误承运人所应承担的义务与责任。为了进一步保护旅客的权益,规范航空公司的服务水平,仍应从立法和政策方面完善民航延吴民事责任制度。     

时间序列分析方法在心理学中的应用

在传统横向研究的背景下,纵向研究方法在国内心理学领域还未受到广泛的重视。随着心理学的不断发展,人们已经不能满足于对现象的简单描述、横断数据资料的分析和差异检验,而要对人类心理现象发生发展的内部动力机制进行研究,把握心理现象发展的内在规律性。因此,纵向研究就越来越受到心理学研究者的重视。时间序列分析方法就是纵向研究的一种非常重要的研究手段。该方法的重要价值在于它不仅能比较个体间心理量发生发展的趋势,确定动态变化变量间的因果关系,而且可以实现对人类心理和行为的预测和控制。虽然时间序列分析的理论比较复杂,需要长时的施测和记录,操作起来也不是很方便,但它的优势也是十分明显的。在国外,时间序列分析方法作为研究手段在心理学研究中已经取得了一系列理论上和应用上的进展。时间序列分析既是一种研究思想也是一种新的数据分析方法,它更加贴近人类心理的真实情境,有利于心理学工作者对心理学问题开展更加深入的研究。     

高等教育规模与经济发展关系的协整分析

从时间序列的角度出发,利用1979-2011年的《中国统计年鉴》的相关数据,针对我国的高等教育规模与经济发展的关系进行协整分析研究.通过协整分析发现高等教育发展的规模与经济的发展存在长期均衡的关系,并由此建立了相应的误差修正模型.     

“修正的克强指数”与GDP增长率时间序列建模分析

本文基于2008²011年的月度时间序列数据,建立了一元时间序列模型和二元时间序列的动态回归ARIMAX模型,运用ADF检验对各变量数据的平稳性进行检验,采用AIC、SBC准则选择相对最优模型.结果表明,可引入"修正的克强指数"对GDP增长率进行二元时间序列分析,并且建立的ARIMAX模型优于一元时间序列模型.     

时间序列分析的理论与应用综述

时间序列分析提供的理论和方法是进行大型高难度综合课题研究的工具之一。其预测和评估技术相对比较完善,其预测情景也比较明确。近年来已有很多学者对于时间序列的研究取得了极其丰硕的成果,有的甚至在时间序列分析方法的基础上,研究出新的预测方法,在应用中求创新求发展。笔者从基本理论与应用等方面对时间序列分析进行了综述,同时阐述了它未来的发展趋势。     

基于多注意力的多变量时间序列特征选择方法

特征选择是避免维度诅咒的一种数据预处理技术。在多变量时间序列预测中,为了同时找到与问题相关性最大的变量及其对应时延,提出一种基于多注意力的有监督特征选择方法。该方法利用带有注意力模块和学习模块的深度学习模型,将原始二维时间序列数据正交分割成两组一维数据,分别输入两个不同维度的注意力生成模块,得到特征维度和时间维度的注意权重。两个维度的注意力权值点积叠加作为全局注意力得分进行特征选择,作用于原始数据后输入随学习模块训练不断更新至收敛。实验结果表明,所提出的方法在特征数小于10时可达到全量数据训练效果,与现有几种基线方法相比实现了最佳准确率。     

面向微博谣言关注度的大数据时序特性分析

近年来,微博谣言因其传播速度快、扩散范围广、影响后果严重引起了公众广泛关注。网民对于微博谣言关注度程度随时间变化,关注侧重点漂移客观反映了微博谣言治理效果。因此,研究微博谣言关注度具有重要价值。以新浪微指数平台为大数据分析源,通过时序特性分析方法深度挖掘近5年网民对微博谣言关注度的时序特征。研究发现,微博谣言关注度时序是一个无明显趋势和周期的时间序列。5年中序列最大峰值出现时间与两高院出台惩治网络谣言相关《解释》的时间吻合| ARMA（1,2）模型可较好地拟合微博谣言关注度序列|手机端谣言关注度数量约为电脑端谣言关注度数量的2.8倍,前者是后者的格兰杰原因,且前者对后者的影响力为持续一周逐渐减小的正面冲击效应|网民关注的微博谣言热门信息主要集中于谣言惩罚的相关政策、重大突发事件中的媒体辟谣、明星向造谣者追究法律责任以及安全问题相关的辟谣榜4个方面。研究结果有助于掌握微博谣言关注度时序规律,从而为有效制定微博谣言抑制策略提供可靠依据。