基于改进贝叶斯网络结构学习的航班延误波及分析
发布时间：2021-11-10 18:43
控制和减少航班延误是国内外民航管理工作的一个长期主要任务。通过航班数据分析,挖掘数据内在特征,并找出其中的延误与波及变化趋势,对航班延误问题的研究有重要指导意义。本文采用定性分析和定量分析相结合的方法深入研究了航班延误的理论问题,应用贝叶斯网络理论建立实际航班数据的贝叶斯网络模型,分析航班延误影响因素之间的因果关系,给出不同条件下航班延误的概率分布情况。重点研究了贝叶斯网络结构学习的理论方法问题。第一章概述,介绍了航班延误问题的提出,航班延误与波及问题特性分析,总结了国内外研究现状;描述了基于贝叶斯网络学习的知识发现过程;给出本文主要研究思路。第二章介绍贝叶斯网络学习,描述贝叶斯网络学习的基本概念,讨论了贝叶斯网络参数学习、贝叶斯网络结构学习、评分模型以及模型优化的主要方法。第三章提出了高评分优先遗传模拟退火贝叶斯网络结构学习算法,把解决组合优化问题的模拟退火搜索算法和遗传算法应用于贝叶斯网络的结构学习,有效避免高分个体误导种群发展方向所带来的早熟问题,以提高贝叶斯网络结构学习的精度。第四章提出了基于遗传禁忌搜索的贝叶斯网络结构学习算法,将禁忌搜索算法的思想应用于基于遗传算法的贝叶斯网...
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：113 页
【学位级别】：博士
【部分图文】：
航空器运行过程中的航班延误分类
天津大学博士学位论文时间，该架飞机执行的后续航班任务，即便不再受天气影响也同样会发生间的延误。不难想象，对于大型枢纽机场由于天气原因引发的多航班延误因为延误波及造成更大面积的航班延误。如图 1-2 表示航班计划表中的三架飞机连续航班的计划和实际执行情况飞机 A 一天连续飞行 4 个航班(flight)，飞机 B，C 分别连续飞行 3 个和 5。连续航班的存在产生这样的问题：由于计划紧凑，当初始航班发生延误应的后续航班也将发生不同程度的延误。图 1-2 中每个矩形条左、右端横别对应航班的起飞时间、到达时间，两航班之间为过站时间。实线矩形条班计划情况，对应下面的虚线矩形条表示航班实际执行情况。图中三架飞在航班延误。初始航班延误波及产生下游航班延误，波及情况因初始延误及下游各过站时间延长的不同而不同。
到后验贝叶斯网络的过程称为贝叶斯网络学习。贝叶斯网络学习是用数据对先验知识的修正，贝叶斯网络能够持续学习，上次学习得到的后验贝叶斯网络变成下一次学习的先验贝叶斯网络，如图2-2所示[33]。图 2-2 贝叶斯网络持续学习图贝叶斯网的学习分为结构和参数分布学习，贝叶斯网结构的节点通常可由领域专家给出。2.3 贝叶斯网络参数学习贝叶斯网络参数学习的目标是:给定网络拓扑结构S 和训练样本集D，利用先验知识，确定贝叶斯网络模型各节点处的条件概率密度，记为: p (θ D,S)。常见的参数学习算法有:最大似然估计算法、贝叶斯算法、EM 算法和梯度下降算法等。相对于训练样本数据完整和不完整情况，参数学习算法不相同，学习的难易程度也不一样[34-37]。2.3.1 完备数据集下参数的学习随机数据集的每个事例中都观察到了所有的变量，则称数据完备。完备数据集下的参数学习主要有最大似然估计和贝叶斯估计。
【参考文献】：
期刊论文
[1]多等级模糊评价方法在航班延误中的应用[J]. 石丽娜. 上海工程技术大学学报. 2006(03)
[2]航班地面等待模型中的延误成本分析与仿真[J]. 徐肖豪,李雄. 南京航空航天大学学报. 2006(01)
[3]空中交通流量管理中的多机场地面等待策略[J]. 姜微微,崔德光,舒学智. 清华大学学报(自然科学版). 2006(01)
[4]进近区域到达航班排序和调度的优化[J]. 陈炜炜,耿睿,崔德光. 清华大学学报(自然科学版). 2006(01)
[5]基于贝叶斯网络的权重自学习方法研究[J]. 胡文斌,孟波,王少梅. 计算机集成制造系统. 2005(12)
[6]机场航班延误优化模型[J]. 马正平,崔德光. 清华大学学报(自然科学版). 2004(04)
[7]空中交通流量管理研究综述[J]. 高海军,王健,陈龙,王飞跃. 控制工程. 2003(06)
[8]基于Bayesian网络的缺损数据处理方法[J]. 杨欣斌,孙京诰,黄道. 华东理工大学学报. 2002(S1)
[9]分组样本下Bayes网络条件概率的学习算法[J]. 汪荣贵,张佑生,彭青松. 小型微型计算机系统. 2002(06)
[10]区域空中交通流量控制研究[J]. 赵嶷飞,金长江. 飞行力学. 2002(02)
博士论文
[1]基于贝叶斯网络的知识发现与决策应用研究[D]. 张少中.大连理工大学 2003
[2]贝叶斯学习理论及其应用研究[D]. 宫秀军.中国科学院研究生院（计算技术研究所） 2002
[3]知识发现的图模型方法[D]. 李刚.中国科学院软件研究所 2001
本文编号：3487748
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：113 页
【学位级别】：博士
【部分图文】：
航空器运行过程中的航班延误分类
天津大学博士学位论文时间，该架飞机执行的后续航班任务，即便不再受天气影响也同样会发生间的延误。不难想象，对于大型枢纽机场由于天气原因引发的多航班延误因为延误波及造成更大面积的航班延误。如图 1-2 表示航班计划表中的三架飞机连续航班的计划和实际执行情况飞机 A 一天连续飞行 4 个航班(flight)，飞机 B，C 分别连续飞行 3 个和 5。连续航班的存在产生这样的问题：由于计划紧凑，当初始航班发生延误应的后续航班也将发生不同程度的延误。图 1-2 中每个矩形条左、右端横别对应航班的起飞时间、到达时间，两航班之间为过站时间。实线矩形条班计划情况，对应下面的虚线矩形条表示航班实际执行情况。图中三架飞在航班延误。初始航班延误波及产生下游航班延误，波及情况因初始延误及下游各过站时间延长的不同而不同。
到后验贝叶斯网络的过程称为贝叶斯网络学习。贝叶斯网络学习是用数据对先验知识的修正，贝叶斯网络能够持续学习，上次学习得到的后验贝叶斯网络变成下一次学习的先验贝叶斯网络，如图2-2所示[33]。图 2-2 贝叶斯网络持续学习图贝叶斯网的学习分为结构和参数分布学习，贝叶斯网结构的节点通常可由领域专家给出。2.3 贝叶斯网络参数学习贝叶斯网络参数学习的目标是:给定网络拓扑结构S 和训练样本集D，利用先验知识，确定贝叶斯网络模型各节点处的条件概率密度，记为: p (θ D,S)。常见的参数学习算法有:最大似然估计算法、贝叶斯算法、EM 算法和梯度下降算法等。相对于训练样本数据完整和不完整情况，参数学习算法不相同，学习的难易程度也不一样[34-37]。2.3.1 完备数据集下参数的学习随机数据集的每个事例中都观察到了所有的变量，则称数据完备。完备数据集下的参数学习主要有最大似然估计和贝叶斯估计。
【参考文献】：
期刊论文
[1]多等级模糊评价方法在航班延误中的应用[J]. 石丽娜. 上海工程技术大学学报. 2006(03)
[2]航班地面等待模型中的延误成本分析与仿真[J]. 徐肖豪,李雄. 南京航空航天大学学报. 2006(01)
[3]空中交通流量管理中的多机场地面等待策略[J]. 姜微微,崔德光,舒学智. 清华大学学报(自然科学版). 2006(01)
[4]进近区域到达航班排序和调度的优化[J]. 陈炜炜,耿睿,崔德光. 清华大学学报(自然科学版). 2006(01)
[5]基于贝叶斯网络的权重自学习方法研究[J]. 胡文斌,孟波,王少梅. 计算机集成制造系统. 2005(12)
[6]机场航班延误优化模型[J]. 马正平,崔德光. 清华大学学报(自然科学版). 2004(04)
[7]空中交通流量管理研究综述[J]. 高海军,王健,陈龙,王飞跃. 控制工程. 2003(06)
[8]基于Bayesian网络的缺损数据处理方法[J]. 杨欣斌,孙京诰,黄道. 华东理工大学学报. 2002(S1)
[9]分组样本下Bayes网络条件概率的学习算法[J]. 汪荣贵,张佑生,彭青松. 小型微型计算机系统. 2002(06)
[10]区域空中交通流量控制研究[J]. 赵嶷飞,金长江. 飞行力学. 2002(02)
博士论文
[1]基于贝叶斯网络的知识发现与决策应用研究[D]. 张少中.大连理工大学 2003
[2]贝叶斯学习理论及其应用研究[D]. 宫秀军.中国科学院研究生院（计算技术研究所） 2002
[3]知识发现的图模型方法[D]. 李刚.中国科学院软件研究所 2001
本文编号：3487748
本文链接：https://www.wllwen.com/jingjilunwen/jtysjj/3487748.html
