面向机场协同决策的航班离港时间预测

发布时间：2022-08-12 12:59

　　机场协同决策（A-CDM）是大型枢纽机场高效运行的重要方法之一,里程碑节点时间预测是A-CDM的核心内容,而航班离港作为整个地面运行的最后一个节点,其精确估计对于航班推出控制和场面运行调度有着至关重要的意义,实现航班离港时间的精确动态估计并搭建过站航班里程碑节点动态预测模型是本文的出发点。因此本文分别建立了基于动态贝叶斯网的航班离港时间估计模型和基于吉布斯采样推理算法的动态贝叶斯网络改进模型,对航班离港时间进行预测,该研究有望为机场协同决策的预测提供支撑,推进机场协同决策理念的实施。针对航班离港时间的预测,本文构建了基于动态贝叶斯网的航班离港时间估计模型,将其首次应用于航班离港时间的估计。首先,基于不同属性航班分析其过站离港的实际流程以及主要影响因素,根据影响因素对数据分类处理,在历史数据分类的基础上结合蒙特卡洛模拟方法获取各环节的联合和先验分布,并由柯尔莫哥洛夫检验确定各环节的联合分布模型,获得动态贝叶斯网络模型参数;其次,根据贝叶斯网络架构和条件概率推理动态估计离港时间及各环节完成时间,最后选取国内中部某机场的航班离港运行数据进行仿真验证。仿真结果表明所建模型能够根据航班离港流程实... 

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 论文的研究内容
    1.4 论文的组织结构
第二章 基于机场协同决策的机场运行分析
    2.1 机场运行分析
        2.1.1 发展历程
        2.1.2 发展现状
        2.1.3 未来发展方向
    2.2 机场协同决策理念
    2.3 航班地面保障时间与机场运行分析
    2.4 本章小结
第三章 基于贝叶斯网的航班离港时间估计模型
    3.1 航班离港流程及影响因素分析
        3.1.1 离港流程数学模型
        3.1.2 离港流程影响因素分析
    3.2 离港时间动态估计模型
        3.2.1 离港流程贝叶斯网络
        3.2.2 条件概率密度估计
        3.2.3 离港时间的动态估计
    3.3 验证与分析
        3.3.1 数据来源及预处理
        3.3.2 仿真验证
        3.3.3 对比分析
    3.4 本章小结
第四章 基于吉布斯采样算法的动态贝叶斯网络预测方法
    4.1 吉布斯采样算法
        4.1.1 吉布斯采样算法思想
        4.1.2 利用吉布斯采样算法计算条件概率
    4.2 离港时间的动态估计
    4.3 模型验证与分析
        4.3.1 仿真验证
        4.3.2 对比分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 后期工作展望
参考文献
致谢
论文发表及参与科研项目



本文编号：3675920