基于延误成本的不正常航班调整策略研究

为了解决不正常航班给航空公司和旅客带来的巨大经济损失,对各类不正常航班调整的成本指标在指派模型的基础上进行研究,在Matlab中运用改进的匈牙利算法对模型进行求解。通过成本矩阵解得最小成本航班计划,并借助时空网络图对延误航班调整策略进行描述并提出合理的恢复方案。以某航空公司某日发生大片延误的实例来验证了这一模型的优越性,证明该算法在解决航班调整问题时有一定的参考价值。     

基于关键飞行资源的航班延误波及DAG模型的研究

由于一架飞机和一个机组在一天中通常要执行多个前后衔接的航班,因此一个航班延误可能会导致下游多个航班发生延误.本文重点研究飞机、驾驶员机组和乘务员机组等关键飞行资源对航班延误波及的影响.首先根据航班计划和机组计划构建以一个初始延误航班为根顶点的全体下游航班DAG,然后给出算法以求解各顶点属性值,通过对初始DAG的顶点进行"染色"构造出航班延误波及DAG,得到完整的下游航班波及延误情况,结合提供的延误航班指数、延误时间指数等综合指标,为航班延误问题提供了有效的定量分析手段.最后,通过仿真计算和分析,提出预防和处理航班延误的建议.     

航班延误树的构造与波及分析

由于一架飞机在一天中要执行多个航班,各航班之间存在前后衔接关系,因此,一个航班的延误会波及到下游许多其它航班。重点研究飞机和机组资源对于航班延误与波及的影响,给出延误树的生成过程,通过初始航班延误的触发,动态建立以该航班为根结点的航班延误树,并根据统计结果给出相关量值。实例分析了初始航班延误发生的时刻、持续时间与波及的程度,以期辅助优化飞机与机组排班,减少航班延误。     

基于延误波及的航班延误状态空间模型

为了将动态数据驱动的方法用于航班延误实时预测,在对单机多任务延误事件中的航班延误波及影响进行分析的基础上,创建了一种航班延误状态空间模型来表示延误状态之间、延误状态与随机延误之间的关系,并对其中的随机延误变量进行了重点建模.在历史航班运行数据集上,采用最大期望算法对模型参数进行了最大似然估计,并在不同概率区间上对模型实例进行了检验.检验结果表明,所提出的航班延误状态空间模型具有较好的泛化能力.     

基于Spark的决策树算法对航班延误预测研究

在大数据环境下,为了提高航班延误预测精确度和数据处理速度,提出基于Spark框架下处理海量数据方法.本文使用决策树算法对航班数据进行分析,预测航班的延误情况,并与使用支持向量机,Logistic回归分类算法的预测结果进行比较.结果证明决策树算法具有较高的准确率和灵敏度,表明决策树算法可以应用到航班延误预测中,给航空机构...     

基于人工神经网络的航班延误预测

随着空中交通规模的不断扩大,航班延误的概率和频率节节攀升.但这给航空公司带来巨额的不必要的开支.因此,如果能提前预测航班情况,使得航空公司能够在保证天气预报等先验信息的准确性的情况下,合理安排航班起飞时间或者是否取消航班,就能给航空公司节省额外预算.因此,本篇文章分析可能导致航班延误的因素,使用机器学习算法,基于人工神...     

基于免疫进化算法的航班过站时间优化模型

针对当前航班延误在航班链中的波及的特性,通过研究航班过站时间对航班延误的影响的内在机理,在基于免疫进化算法基础上,没有增加过站时间的总数,调整过站时间来减少航班的延误波及的优化模型.在保持航班的飞行任务和机组安排不变的情况下,只对航班时刻做出了轻微的修改.根据国内某大型枢纽机场的数据进行仿真实验,调整后的计划可以很好的改善延误的情况.     

航班延误预警Web服务的设计与实现

针对航班延误预警缺乏软件支撑的现状,分析关键飞行资源对航班波及延误的影响并建立波及延误模型,设计并实现航班延误预警Web服务的接口与算法,并利用前端系统调用Web服务给出仿真计算实例。实验表明,该Web服务为航班延误预警提供了有效的定量分析工具。     

不正常航班旅客流恢复方法研究

针对不正常航班所引起的投诉与纠纷现象日益严重,以及航空公司恢复受扰旅客行程的实际需求,提出一种基于旅客类别的旅客流恢复模型,以最小化旅客行程恢复损失成本为目标,并给出适用于此模型的求解算法。利用该模型,航空公司可以确定旅客优先级,得到旅客优先恢复序列,降低了不正常航班的经济损失,同时赢得了良好的品牌信誉。实验结果证明,该模型具有实用性和有效性,航空公司可以快速获得优化的、可行的、经济的旅客流恢复方案。     

基于贝叶斯网络的航班延误波及研究

在民航业内,航班延误波及问题一直是影响航班延误的一个主要因素。基于贝叶斯网络（BN）,讨论了在繁忙的枢纽机场,其航班延误的波及问题。在实验中使用的数据,皆来自国内某大型航空公司的真实记录。通过建立延误波及模型和贝叶斯网络模型,探讨了相关航班中,进港延误和航班取消对离港延误的影响。学习的结果显示了进港延误（Arrival-delay）对离港延误（Departure-Delay）的波及现象的存在;以及波及现象在不同情况下的程度不同;相应的可采取的应对方式亦不相同。其中航班取消是一种釜底抽薪的应对方法,可以在一定程度上削弱上述条件下的延误波及,其削弱程度与航班取消的架次有关。基于该研究可以在机场发生大规模延误时,提供一个基本的参考。     

基于改进CS模型的免疫系统应答仿真

对基于细胞自动机理论的Celada Seida(CS)模型进行改进,仿真免疫系统应答。该模型能够对免疫系统中细胞和分子之间的相互作用进行仿真。模型在空间和时间上都是离散的,并可以模拟单个免疫细胞。给出了模拟免疫应答的具体仿真步骤,对原模型进行了简化,给出实验的结果。目的是通过该模型的研究,证明免疫系统模型是有用的,因为它们揭示了免疫系统有用的性能,进而可以用于研究解决生物学以外的工程问题的方法。     

基于免疫系统的多模型控制算法

针对非线性、不确定复杂系统控制困难的问题,借鉴生物免疫系统面临不确定的外来抗原呈现出的超强识别能力,模拟后天免疫中主要对象间的关系模型,提出了一种基于免疫系统的多模型控制新算法IMMC。通过计算机仿真实验,显示出算法在系统发生突变时具有良好的适应性能,并在双圆盾构法隧道施工对地面沉降控制中,取得了良好的效果,说明算法具有很强的推广应用价值。     

基于生物免疫的入侵检测系统模型

本文将生物免疫机理引入到网络入侵检测技术中．构建了一个基于免疫代理的网络入侵检测模型。该模型系统具有准确性、实时性、高效性以及自适应性，能较好地解决入侵检测系统的分布性差、自适应性差、误报率高等问题。     

基于免疫原理的进化算法

基于人类免疫系统的机理提出一种进化算法．简述了算法的基本原理与特点，定义了克隆、超变异、选择和记忆4种基本操作算子，给出了算法的主要步骤，并证明了算法能够以概率1收敛到全局最优点．用不同的测试函数进行仿真实验，结果表明该算法是有效的，能以较快的速度完成给定范围的搜索和优化任务．     

基于免疫网络感知结构机理环境下自适应粒子群优化研究

基于粒子群优化算法环境中的全体粒子与自身的搜索经验,利用基于免疫网络感知结构机理系统作为一种自适应维持群体多样性与自我调节性,以及导致基于免疫机制的算法所具有的整体、局部搜索能力强等特点,使得这类算法在函数优化、组合优化、模式识别、数据挖掘及机器学习等方面得到了有效应用。同时,采用免疫网络感知结构机理系统的克隆选择机制,提出了基于免疫网络感知结构机理的粒子群优化算法。     

基于免疫原理的网络入侵检测系统模型

目前网络入侵检测系统普遍具有自适应差、误报率高等问题。人类免疫系统工作原理为解决此类问题提供了一种很好的方法。通过对人类免疫系统工作原理的研究,根据其原理、体系结构建立了一个基于免疫原理的网络入侵检测系统模型。该模型系统具有分布性、自组织性和轻负荷的特性,能较好地解决入侵检测系统的自适应差、误报率高等问题。     

基于深度全连接神经网络的离港航班延误预测模型

针对提升离港航班延误预测精确度困难的问题,提出一种基于深度全连接神经网络（DFCNN）的离港航班延误预测模型。首先,在考虑航班信息、机场气象与航班延误历史的基础上,考虑航班网络结构对预测模型的影响;然后,从激活函数、输入数据项及延误时间阈值三个维度进行实验,以对模型抑制梯度弥散与提升学习表现能力的能力进行了优化与验证;最后,通过调控神经网络层数的纵向拓展方式与随机丢失层的Dropout参数,提升模型的泛化能力。实验结果表明：所提模型使用tanh、指数线性函数（ELU）,预测精确度比使用线性整流函数（ReLU）分别提升了1.26、1.28个百分点;考虑航班网络结构后,所提模型采用ELU函数计算时,预测精确度比未考虑航班网络结构时提升了3.12个百分点;在时间阈值为60 min时,通过调控Dropout参数,模型的损失值不断降低;在5层隐含层网络和Dropout参数为0.3时,所提模型可以取得92.39%的预测精确度。因此,所提模型能够对国内航班延误做出较为准确的判断。     

基于免疫算法的可信软件系统四层本体模型

为提高软件的可信性,提出了一种基于免疫算法的可信软件系统本体模型。该模型将软件系统由内而外抽象为四层,即语义层、演化控制层、服务层和免疫过滤层,并详细阐述了各层结构和运行原理。该模型具有自我学习、自我调整和持续改进的能力,当领域知识发生变化后,维护人员可通过人工免疫疫苗注入实现系统的自主演化,从而确保系统具有相应的高可信属性,为可信软件开发提供方法论支持。     

基于云模型的量子免疫优化算法

采用云模型对量子免疫算法进行了改进,采用量子种群基因云对种群进化进行定性控制,基于云模型的量子旋转门自适应调整策略进行更新操作,使算法在定性知识的指导下能够自适应控制搜索空间范围,使其能在较大搜索空间条件下避开局部最优解。典型函数对比实验表明该算法可以避免陷入局部最优解,能提高全局寻优能力,能以更快的速度收敛于全局最优解,具有较好的应用价值。