基于相依网络模型的扇区航空器分流方法研究

当某个扇区因突发状况而对航空器的管控力度不足时,需要对扇区内的航空器进行分流.依据空中航空器的冲突关系、管制员的移交关系及管制员对航空器的指挥关系构建管制-飞行状态相依网络模型.通过此模型,在综合考虑分流后管制员的负荷及对所有航空器管控难度的前提下设计优化目标,并采用粒子群算法求解找出最佳分流方案.该方案能够使分流后管制员负荷分布更加均匀,有效减少管制员因负荷过大而出现人为差错的安全风险;降低整体的管制难度,提高管制系统的可靠性和稳定性.     

环境监测系统中异常数据的识别和修复方法

为准确掌握企业大气监测数据的变化规律,得到完整的、接近真实的大气环境监测数据,提出一种组合异常数据检测算法(SWDS-LOF)以检测异常值,并利用多项式拟合的方法对异常数据进行修正.针对修正后数据不完整的情况提出多变量季节性时间序列模型(SARIMA),对随季节性变化趋势较明显的大气监测数据缺失值进行恢复,并建立高度相关的污染物传感器组之间的SARIMA模型,利用高度相关污染物之间的关系,通过完整监测数据恢复缺失部分数据,最终得到完整准确的监测数据.以某汽车公司的监测数据为例进行实证分析并验证所提算法和所建模型,结果显示SWDS-LOF算法与SARIMA模型检测并修正了 97％的异常数据,缺失数据段的数据全部恢复,且恢复精度达到94.60％,表明对于大气监测数据,该算法及模型具有较高的精度,可为大气监测数据的完整性及可靠性提供有效技术支持.     

配对进近模式下航空器的进场排序研究

介绍了近距平行跑道的概念及运行模式,以航班延误时间最小为目标函数,进场流约束、排序时刻约束、配对限制及前后机约束、排序先后约束、机型尾流等级约束和间隔约束等为约束条件,建立了进场航空器排序模型,采用改进的先到先服务算法计算各航空器的延误时间.以上海虹桥机场为算例、航空器的延误时间为对比指标,将配对进近模式与现有运行模式——"类隔离"平行运行模式进行对比.结果表明,近距平行跑道实施配对进近模式较"类隔离"平行运行模式能显著缩短航空器的进场时间.最后为管制员、飞行员提出了配对进近航空器安全间隔及进场排序等相关建议.该方法可以准确地计算近距平行跑道采取配对进近方式下航空器的进场延误时间.     

基于RPROP算法的MASS人为风险量化分析

通过分析IMO定义的海上自主水面船(MASS)的人为风险因素,以找到重点防控对象、制定正确的防范措施为目的,提出了 MASS在不同航行阶段的人为风险量化分析模型.首先通过STPA方法识别出船员及岸基人员的不安全控制行为,得到MASS存在的人为风险因素.随后对中国海事局的船舶事故调查报告进行分析,利用安全控制结构图筛选出与MASS人为风险因素相同的事故报告,利用数据挖掘对报告中的关键信息进行提取并分组,同时使用MATLAB神经网络工具箱函数构造神经网络模型,将分组后的信息作为数据源传入网络中进行训练并测试网络的有效性,最终得到网络的有效程度为95.25％.     

三峡库区万州段河流水-气界面CO2通量支干流对比及影响机制初探

以三峡库区万州段干流及典型支流澎溪河为研究对象,监测2019年4～9月水华期间水体中CO₂浓度以及12个环境指标,估算水-气界面CO₂通量并进行支干流对比.将12个环境指标分为气候因子、水环境因子、碳源因子、营养因子和沉积物因子,探讨5类因子对CO₂通量的影响途径和贡献率,进一步为控制水库温室气体排放提供数据积累和理论支持.结果表明,监测期间内高阳、黄石和万州平均CO₂通量分别为（1.445±1.739）、（3.118±2.963）和（2.899±1.144）mmol·（m²·h）^-1,表现为:澎溪河支流高阳<干流万州<澎溪河支流黄石.从变化幅度来看,支流水体CO₂通量变幅较大,干流水体变化幅度则相对较小,是较稳定的CO₂"源".长江干流作为陆地向海洋的生源物质运输枢纽,相比其支流碳含量和流速更高,这使得通常情况下干流CO₂通量大于支流.但水文情势的不同使得同一支流不同点位CO<...     

静放电多因素影响参数测试系统温湿度控制的设计

基于已有自主研发的新型测试系统,提出一种静电放电中电极移动速度与温湿度变化对放电结果造成影响研究装置的设计方案,给出了基本原理和具体实现描述。该设计用于对小间隙静电放电(ESD)中电极移动速度和温度引起放电参数的低重复离散特性进行探讨。设计基于STM32的温湿度智能网络监控系统和智能控制PID算法实现了温湿度的智能控制,以满足用静电放电电极移动速度效应测试仪定量获得更准确实验结果的需要。该设计弥补和完善了现有静放电测试平台的不足,对于展开小间隙静电放电性质的深入研究具有重要的推动作用和现实意义。     

基于BP-Adaboost强预测器的瓦斯涌出量预测

为了提高传统BP神经网络瓦斯涌出量预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络和Adaboost算法相结合,提出了一种BP-Adaboost强预测器模型.将该模型用于实际瓦斯涌出量预测,并进行了40次仿真实验.结果表明:该模型预测精度高于传统的BP神经网络,且收敛速度快,具有较强的鲁棒性,预测精度能满足实际工程需要,为瓦斯涌出量预测提供了一种新的途径.     

典型优化目标函数下源参数反演性能对比研究

基于外场实验数据,从反演高估率、准确性、稳定性角度系统评估了8种典型目标函数在不同未知源参数反演情形下的反演性能差异.研究发现,不同目标函数反演性能差异显著.仅反演单参数源强时（Q）,对数变换目标函数高估率最大（79.4%）,偏差平方和目标函数准确性最高（P_ARD<50%=82.3%,ARD=（35.3±9.1）%）,目标函数稳定性无明显差异（CV<0.01）.三参数反演（Q,x,y）时,标准化均方根误差目标函数源强高估率最大（98.5%）,对数变换目标函数准确性、稳定性最高（P_ARD<50%=91.1%,ARD=（48.4±9.8）%;CV=0.01）;位置方面,偏差平方和目标函数准确性最高（AD=（36.12±11.39） m）,对数变换目标函数稳定性最强（CV=0.0018）.四参数反演（Q,x,y,z）时,标准化均方根误差目标函数源强高估率最大（98.5%）,对数变换目标函数准确性、稳定性最优（P_ARD<50%=61.7%,ARD=（55.2±16.5）%;CV=0.03）;位置方面,相关系数总体表现最优（AD=（34.37±10.72） m;CV=0.011）.整体上,随反演参数变化,对数变换目标函数源强反演性能最稳定.     

基于无人机多光谱的沼泽植被识别方法

为了探究高分辨率无人机多光谱数据对沼泽植被群丛识别能力,在洪河国家级自然保护区的核心区、缓冲区和实验区分别建立典型样区,通过低空无人机搭载的RGB及多光谱相机获取研究区正射影像,构建多维数据集并确立4种分类方案.采用面向对象的随机森林（RF）算法,对输入的多维数据集进行变量选择和参数（mtry、ntree）调优,构建适合沼泽植被群丛尺度识别模型.结果表明：优化的面向对象的RF算法对沼泽湿地植被具有较高的识别能力,在95%的置信区间内,核心区方案四（结合了光谱波段、纹理特征、几何特征、位置特征、地表高程信息和植被指数）获得最高总体精度为87.12%,kappa系数为0.850,比方案二（结合了光谱波段、几何特征和位置特征）总体精度高12.27%,kappa系数高0.140;对于单一典型沼泽湿地植被识别精度中,芦苇获得最高的用户精度高于88%,生产者精度高于90%,小叶章的生产者精度高于85%,但是在核心区用户精度较低,仅为78%.该方法可以作为沼泽植被群丛识别的有效方法,为研究沼泽湿地生态环境变化提供更准确的数据支持.