航空上低能见度探测及影响研究现状

低能见度给民航经济效益和飞行安全造成严重的影响。据中国民航统计,由于天气原因而导致的航班延误一般占总延误次数的70%。针对本研究课题,收集整理了大量文献资料,发现目前在民航界对低能见度的研究比较多,主要集中在对机场低能见度的探测、低能见度天气的预测和低能见度对航商用航空影响三个方面。机场低能见度的探测关系到数据的准确性。宋立新、王银钢在《人工观测和器测     

济南机场低能见度特征分析

本文根据济南机场20年低能见度和大雾天气的观测资料,对低能见度及大雾天气年际、月际变化以及低能见度持续时间进行了统计和分析。结果表明大雾是造成低能见度的主要原因,秋冬季节大雾是影响航班正常的主要天气现象。     

HUD技术及应用

飞机平视显示器(以下简称HUD)是一项航行新技术,利用计算机技术将地面导航和飞行姿态信息集成显示在平视显示器上,驾驶员可保持平视状态注视平视镜上的飞行仪表和导航数据跟随HUD指引飞行。机场实施HUD运行后,能够在安全前提下降低最低着陆和起飞标准,从而减少低能见度条件下航班大面积延误和旅客滞留现象,提高机场航班正常率。     

BP神经网络机场鸟情预测方法

<正>针对机场鸟情预测这一问题,文章提出了考虑日期、鸟的种类(依据迁徙习性划分)、温度、风力、天气、季节六个因素对鸟情影响的BP神经网络鸟情预测模型,区别于不考虑影响因素的传统的时间序列鸟情预测模型。以潍坊南苑机场鸟情历史数据为学习训练样本,与传统的BP神经网络时间序列鸟情预测模型进行预测仿真对比实验,仿真实验结果证明了本文提出的BP神经网络预测精度更高,拟合效果更好,更适合应用于机场鸟情预测,具有良好的实际应用价值。     

一次冻雾天气的航班保障总结

通过满洲里机场出现的一次冻雾天气航班保障,总结冻雾天气特点及出现的气象条件,以及航班保障时与航空公司签派员的天气咨询,准确的发布低能见度气象情报,确保航空器在低能见度的气象条件下安全起降,为后续航班保障提供技术支撑。     

基于灰色关联分析与主成分分析的BP网络模型及其应用研究

如何提高BP神经网络算法的预测精度与效率,始终是人们关注的一个重要问题。本文利用灰色关联度分析与主成分分析对BP神经网络的输入变量进行了预处理,提高了BP算法对于复杂经济问题的预测精度与效率。本文最后以中国房地产总量的预测问题为例,验证了模型的有效性。     

基于粗糙集和BP神经网络的钻井作业安全事故预测

本文在钻井作业安全事故预测系统中引进了粗糙集和BP神经网络。在本文中,笔者首先使用粗糙集对基于钻井作业安全的信息系统进行属性约简,获取对应于最小条件属性集的信息表。之后,笔者用得到的数据对BP神经网络进行训练,进而对钻井作业安全事故进行预测。通过实例研究,本文发现粗糙集可以加快神经网络的训练,并提升网络的预测精度。本文的研究结果表明粗糙集和BP神经网络可以高效地对钻井作业安全事故进行预测。     

基于BP-Adaboost算法的建筑能耗预测研究

针对传统BP神经网络存在收敛速度慢和容易陷入局部极小值缺点,影响建筑能耗预测精度的问题,引入Adaboost算法对BP神经网络进行改良,提出一种基于BP-Adaboost算法的建筑能耗预测方法。该方法充分结合BP神经网络良好学习能力和Adaboost算法预测精度高的优点,通过Adaboost算法将BP神经网络训练所得的弱预测器组合集成为BP-Adaboost强预测器,完成对建筑能耗的预测。案例仿真结果表明:与传统BP神经网络预测比较,该算法预测速度快、预测精度较高,其预测结果可为建筑节能方案的实施提供参考依据。     

基于NWP和改进神经网络的短啦风电功率预测研究

风电场功率预测对电力系统稳定运行起着决定性作用。首先对传统BP神经网络进行改进,以某一风电场获取的2月1日-10日的天气预报（NWP）数据和功率数据作为改进后BP神经网络的训练数据,对神经网络进行训练;其次以2月11号3小时的数值天气预报数据作为改进后BP神经网络的输入数据,对未来3小时的输出功率进行预测。预测过程和结果显示,改进后的BP神经网络在满足低预测误差的同时,能够提高BP神经网络的稳定性和收敛速度。     

基于低能见度机场场面运行策略

<正>point随着航空运输量的持续增加,场面活动及管理越来越繁杂,为了提高低能见度条件下机场场面运行安全和效率,本文提出了虚拟模块和间隔气泡结合应用于场面控制。通过虚拟停止条创建虚拟模块,显示在场面移动雷达上,为管制员提供更结构化和安全的工作方式。通过间隔气泡监视调控飞机间的最小间隔,使机场运行更加高效安全。两者的组合应用可以提高机场低能见度条件下运行安全和效率。     

BP神经网络在预测股票价格中的应用

尽管人们预测股市已有多种方法,但由于神经网络具有的联想记忆与非线性映射功能使人们对股市的预测多了一种有力的方法。本文研究的内容就是用BP神经网络对股票进行预测。Matlab中的BP神经网络工具箱功能强大。但编程缺乏灵活性,而它的缺点正好用VC＋＋弥补。本文就是用VC＋＋与Matlab混合编程,借助BP神经网络工具箱来实现对股票价格预测的研究。     

强降雪天气下能见度与温度的预报分析

利用气象自动观测系统、WAFS数值预报产品、MACPAS等资料,对2015年至2017年中16次严重影响航班运行的强降雪天气进行分析,其中选取了两次典型春季强降雪天气过程进行对比分析。本文重点研究了强降雪天气中能见度变化规律,解释了在强降雪天气情况下能见度与风的相关性,并提出能见度趋势预报的发布规律,以及强降雪过后温度骤降对飞行器和机场的影响。     

基于GA-BP神经网络岩石可钻性预测模型

本文基于地层岩石的测井资料,构建基于遗传算法(GA)优化后BP神经网络地层可钻性预测模型。经GA优化后的BP神经网络避免了传统BP神经网络收敛速度慢和易陷入局部极小值等不足,大大提高了模型的预测精度和收敛速度。结合实例分析,通过对比BP、GA-BP和PSO-BP三种模型的可钻性级值的预测结果,发现GA-BP的预测精度更高。具有一定的参考价值。     

BP神经网络在股价预测中的应用

对BP神经网络方法在股价预测中的应用进行了研究,对BP神经网络的结构进行了介绍。针对BP网络学习速度慢,采用弹性BP学习算法和tansig传递函数提高了收敛速度。在仿真过程中通过MATLAB编程实现了BP神经网络对中国石油近一年交易日的数据的训练和测试,获得了一定的预测精度,对BP算法和改进后的BP算法在预测股票中的收敛性能和拟合程度进行比较,并用训练好的BP网络股市预测模型来预测其股票数据,达到了预测效果。     

基于大数集模糊BP神经网络的金融股票市场的预测

为了提高金融股票价格预测的准确性,分析了金融股票价时间序列的特点和规律,采用一种改进的BP神经网络建立时间序列预测模型,以中国石化股票价格走势作为案例进行分析和预测研究.结果表明基于大数集模糊BP神经网络具有良好的自组织性和自适应性,有很强的学习能力和抗干扰能力,基于大数集模糊BP神经网络对金融股票价进行预测是行之有效的.     

基于PCA-BP神经网络的郑州市年用水量预测

城市用水量是城市给水系统规划的重要指标之一,对供水系统的调度、改进具有重要意义。通过收集郑州市年用水量数据,从四个方向对郑州市用水量影响因素进行灰色关联分析,并选择主要影响因素进行主成分分析后,作为BP神经网络模型的输入数据,从而建立了PCA-BP神经网络预测模型对郑州市年用水量进行预测,并与BP神经网络模型结果进行对比。结果表明,PCA-BP神经网络在用水量预测中精度比BP神经网络预测精度较高,具有可靠性和适用性。     

基于Petri网的航班运行建模和延误波及分析

针对当前缺乏面向航班延误波及分析的精确航班运行模型、以及延误波及分析算法复杂度过高的不足,提出一种航班运行时间Petri网模型及延误波及分析算法。该模型对库所和变迁分别赋予时间区间约束,可精确描述航班机场过站时间以及航班飞行时间等关键性航班特征;同时,利用线性逻辑推理能力对所建模型进行约简,分别导出变迁和变迁序列的顺序激发规则,并在此基础上提出具有实时性的航班延误波及分析算法。考虑飞机起飞源机场不同的初始延误水平,建立相应模型并分析航班延误波及,结果表明,所给模型和算法能够有效预测航班在下游机场是否延误并快速给出延误水平。     

基于BA-BP算法的企业经营状况评价模型

传统BP神经网络参数的选取是随机的,这样易使网络陷入局部最优,针对这一缺点,提出了利用蝙蝠算法优化BP网络参数的改进算法——蝙蝠-BP算法(BA-BP),并将其应用于企业经营状况的评价研究中。建立了基于BA-BP算法的企业经营状况的评价模型,运用测试样本对该评价模型与传统BP模型的预测效果进行了对比,仿真结果表明:BA-BP算法的预测精度比传统BP神经网络的预测精度高,所以基于BA-BP算法的评价模型能够有效地评价企业的经营状况。     

基于BP神经网络预测企业竞争情报搜集成本

为克服传统方法的局限性,本文尝试以企业竞争情报内容和情报搜集活动过程作为情报搜集成本分析的基础,在此基础上引入BP神经网络进行预测,并用部分样本数据验证对比了线性回归分析法和BP神经网络的预测结果。验证结果表明,BP神经网络预测模型用于情报搜集成本的预测具有较高的预测精度。     

改进的BP神经网络方法及其在农业商品总产值预测中的应用

针对BP神经网络应用中存在的训练时间长、收敛速度慢的问题，对常用的BP神经网络方法进行了改进，增加了数据前处理和后处理的过程。前处理过程是对BP神经网络的输入变量采用主成分分析法进行预处理，确定主要的影响因素，解决了神经网络训练时输入变量过多造成的效率下降问题；后处理过程是对训练结果采用回归和相关性分析的方法进行评价，验证了训练结果的精度。对农业商品总产值的预测结果表明．改进的BP神经网络方法能够提高神经网络的训练效率．并且达到了较高的预测精度。该方法适用于解决多因素预测的问题。