Evaluation of absorption properties of atmospheric aerosols at solar wavelengths based on chemical characterization

The imaginary part of the complex index of refraction of atmospheric aerosols was determined by calculation based on chemical characterization. Atmospheric aerosols in Sapporo were chemically characterized, and were estimated to be mainly composed of elemental C, organics, (NH₄)₂SO₄, NH₄NO₃, sea salt and soil particles. Using the complex index of refraction of each chemical species, the volume extinction and scattering coefficients of the particles composed of the chemical species were calculated, using Mie scattering theory. The single scattering albedo of the aerosols was obtained as the ratio of the total volume scattering coefficient to the total volume extinction coefficient. The imaginary part of the complex index of refraction of the aerosols was determined by matching the calculated sigle scattering albedo for the aggregate aerosol to that calculated from the sum of the individual aerosol components. The monthly mean imaginary part of the complex index of refraction of aerosols in Sapporo ranged from 0.024 in August to 0.047 in February in 1982.The atmospheric solar heating rate was calculated by solving the equation of radiative transfer in turbid atmospheres. It was estimated that the atmospheric boundary layer in Sapporo was heated at the rate of 2.0–2.5°C day⁻¹ in February as a result of absorption of visible solar radiation by aerosols.     

基于多标准和改进Siamese网络的相似航班号判断方法研究

为了合理区分和有效识别不同航班号,首先提出基于多标准的判断准则,使用主成分分析法量化得到统一的相似度;其次建立改进的Siamese网络模型,获得文本的语义信息;最后采用文本之间的Jaro-Winkler距离客观修正网络对比损失函数,综合网络输出判定2个航班号的相似情况。研究结果表明：多标准准则判定方法速度快且通用性强,改进后的Siamese网络虽受到训练样本的直接影响,但收敛速度明显提高,识别率比原网络平均提高约2.7%,比多标准判断准则提高约3%。研究结果可为相似航班号识别与预警提供理论依据。     

天津机场区域大气NO2及O3影响因子研究

在紧邻天津机场跑道的点位对机场区域大气常规污染物开展连续监测,应用广义加性模型（GAM）,针对2017年3月1日~2018年2月28日间的NO₂及O₃,识别其影响因子,并确定因子贡献率.选取因子包括环境因子（SO₂、NO、NO₂、O₃、CO、PM_2.5、PM₁₀、前一小时NO₂/O₃浓度）,气象因子（风向、风速、温度、露点温度、修正海压）及航空活动因子（起飞、着陆）.结果显示：机场区域NO₂日均值为17.6~123.6μg/m³,超标天数共计38d,占比约13%;O₃日均值为1.0~276.1μg/m³,超标天数占比26%,污染主要集中在夏季;环境因子是主要影响因子,累积贡献率在56%~89%;航空活动作为区域重要污染源,对大气NO₂、O₃存在一定影响,最高贡献率可达20%;气象因子相对贡献较低.全部GAM的Adj-R²为0.85~0.96,筛选的影响因子能够有效解释区域环境空气污染物浓度的变化.     

基于面部特征识别的管制员疲劳监测方法研究

为进一步控制疲劳诱发的空管人为差错,提出一套基于面部特征识别的空中交通管制员疲劳实时监测方法。应用眼动仪和视频记录系统开展36 h睡眠剥夺试验,确定PERCLOS值、平均闭眼时长、哈欠频率3个疲劳判定指标的判定阈值,并给出综合疲劳程度的融合算法。应用机器视觉的理论和方法,开发功能完整的管制员疲劳状态实时监测告警原型系统。结果表明,通过对面部特征的识别和状态融合能够实现对管制员疲劳状态的实时监测。建议在此基础上进一步开发可实用的疲劳监测系统。     

机场运行安全规划中安全指标体系的构建

通过对机场运行安全规划中安全指标体系定位的分析,遵循可接受、可实施、可量化、可调控的原则,以结果和过程管理思想为指导,结合风险管理理论,构建机场运行安全规划中的安全指标体系。这个体系包括3个子体系,它们分别涉及运行安全的结果、运行安全的业务过程和运行安全管理绩效3个方面。其中,有关运行安全结果的子指标体系包括事故、事故征候、其他不安全事件3个维度11项指标;有关运行安全业务过程的子指标体系包括飞行区管理、机坪运行管理等7个维度20项指标;有关安全管理绩效的子指标体系包括安全政策与目标、风险管理等4个维度7项指标。     

基于领导生命周期理论的民航飞行机组搭配问题

为更合理地调配民航飞行机组、减少因驾驶舱交流和监督不良造成的飞行事故,采取聚类方法分析机长与副驾驶的卡特尔16PF人格特征问卷(16PF)测试数据,结合领导生命周期理论从人格特征角度研究飞行机组搭配和管理方式。经数据分析后将人格特征因子分为外向宜人性和领导决策性两类,根据这两个分类维度分别将机长与副驾驶分为四种类型并给出分类指标和解释,可以判断机长管理方式倾向和不同类型副驾驶的表现特征。对不同管理倾向机长与不同类型副驾驶的搭配及管理方式提出建议;对直陈性差的顺从型副驾驶提出更有针对性的改善驾驶舱协助交流的训练建议,能改善机组资源管理(CRM)、预防飞行机组不安全行为。     

民航安全状况与社会经济指标关联分析

为了分析中国民航的安全趋势,基于中国民航1995-2014年安全生产历史数据和民航安全运行关系密切的26项社会经济指标,利用因子分析、相关系数等数学方法,建立了多元线性回归模型分析民航安全状况与社会经济指标的管理关联性。该模型表明对民航安全具有显著影响的社会经济指标包括国民经济、产业结构和人员素质。通过对比安全生产指标的拟合值和实际值,分析民航安全趋势的变化规律,并利用自回归移动平均模型预测2015-2018年民航安全生产指标值。计算结果显示该时间段内民航安全生产指标将处于历史高位,且呈现缓慢上升趋势。最后给出了针对行业安全监管、安全运行等方面的改进建议。     

基于SPA-Markov的飞行安全态势评估与预测研究

为提高航空公司飞行安全风险控制和预测水平,利用QAR数据作为支撑,结合集 对分析和马尔科夫理论建立飞行安全态势评估模型。该模型以QAR超限事件为评估指标 ,采用集对分析中的联系度来描述安全风险等级;运用马尔科夫理论确定安全状态的转 移概率矩阵,以预测飞行安全动态变化趋势。最后以某公司A320机队6个月发生频率最 高的7类超限事件对模型进行验证。结果表明:该公司2月、6月和预测月份的安全状态 为一般风险,其他月份为低风险;总体安全状态也为一般风险,并有增加趋势。     

自愿报告信息分析模型（CRIAM）研究

为深入分析挖掘自愿报告信息中蕴含的人为因素,在借鉴SHEL模型、REASON模型、HFACS模型、ECCAIRS模型的基础上,结合自愿报告信息内容的特点,采用上行和下行分类并行的思想构建了自愿报告信息分析模型,并运用该模型对我国航空安全自愿报告信息进行分析和对比。统计结果显示:执行不力、经验及情景意识缺乏、违规、运行计划或组织过程、压力与应激所占比重较大,对此,笔者分别从个体和组织两方面为有效实施风险管理提供了改进建议。该研究成果有助于获取重要的人为因素信息、识别出可能存在的安全隐患,为更好地改善航空安全提供了一种分析方法和思路。     

飞机冲偏出跑道人为差错量化分析模型

为了分析飞机冲偏出跑道的人为差错,找到重点防控对象,提出了冲偏出跑道人为差错量化分析模型。首先应用STPA方法对飞机滑行、起飞及着陆程序进行建模,构建安全控制结构图,找出飞机冲偏出跑道的人为差错。然后将它作为BP神经网络的输入层节点,构建24-6-3的3层BP神经网络模型,从ASRS系统中抽取民航领域近5年的冲偏出跑道不安全事件报告作为数据源,根据发生阶段的不同将不安全事件报告分为滑行阶段、起飞阶段、着陆阶段3类,最后将数据源输入BP神经网络模型中进行训练,并利用测试数据检验模型的合理性,准确率为86. 7%。结果表明,特殊情况下机组人员操作不熟练、刹车系统/方向控制错误等是构成所有阶段冲偏出跑道的主要人为差错,飞机冲偏出跑道的发生阶段不同,影响因素的影响程度也不同。