基于GM(11)预测算法的民航飞机实时轨迹可视算法

合集下载

GM(1,1)残差模型在民航客运量预测中的应用

GM(1,1)残差模型在民航客运量预测中的应用
俞锋
【期刊名称】《西华大学学报（自然科学版）》
【年(卷),期】2006(25)6
【摘要】利用GM(1,1)模型对民航客运量进行模拟预测,用GM(1,1)残差模型对其进行修正,得出精度很高的预测公式,并用模型的后验差检验所建预测模型,证明预测公式精度较高,以期在今后的实际预测中取得很好效果.
【总页数】3页(P29-30,34)
【作者】俞锋
【作者单位】成都理工大学信息管理学院,四川,成都,610059
【正文语种】中文
【中图分类】F272
【相关文献】
1.残差GM(1,1)模型在恒加试验中的应用 [J], 李刚;蔡金燕
2.改进的残差GM(1,1)模型在益阳市耕地预测中的应用 [J], 李文君;黄长军;赵鑫
3.残差GM(1,1)模型在连续刚构桥施工线性控制中的应用 [J], 张喜德;郝天之;李东超;杨涛;邓志恒;谢肖礼
4.改进残差GM(1,1)模型在中长期负荷预测中的应用 [J], 李辉
5.灰色残差GM（1，1）模型在预测肺结核流行趋势中的应用 [J], 柳巍;曾令城;李焕芝
因版权原因，仅展示原文概要，查看原文内容请购买。

基于人工智能的航空实时监测系统

基于人工智能的航空实时监测系统航空安全是现代社会发展中越来越重要的一个方面。

特别是在全球化、快节奏的生活中，越来越多的人和货物选择了空运。

然而，航空事故经常发生，对人类的生命和财产造成了巨大的损失。

为了确保航空安全，现代科技已经投入了大量的研究和开发。

人工智能在实时监测方面的应用稳步发展，越来越多的航空公司和机场开始启用基于人工智能的航空实时监测系统。

人工智能技术在航空安全领域的重要性不言而喻，其主要体现在以下几个方面：一、提高了监测精度人工智能依靠先进的算法和数据模型，具有极高的智能化和自适应性的特点。

在航空安全监测方面，人工智能可以针对多种结果判断，建立全面、准确、实时的安全监测系统，自动识别飞机、天气状况以及其他相关信息，准确预测航班的安全风险，为飞行员和领导做出科学合理的决策提供重要数据支持。

二、有效改善了监测效率随着全球化的发展，现代航空业务的复杂性和机动性大幅提高，同时也给航空实时监测带来了难题。

传统的监测方式严重依靠人力，效率较低。

而基于人工智能技术的航空实时监测系统可以将运行数据收集和处理的动态过程自动化，大幅提升监测效率，提高安全水平和监督能力。

三、提高了监测的时效性航空实时监测对实时处理速度的要求很高。

当出现航班安全问题时，监测系统需要在最短的时间内提供安全警报信息。

基于人工智能技术的实时监测系统在监测数据输出时，能够在最短的时间内快速产生安全警报或调控信息，大大提高了监测的时效性，有效避免了事故发生。

四、实时管理和调控当监测系统发现安全隐患时，及时采取措施是避免事故发生的关键。

基于人工智能技术的航空实时监测系统一旦发现异常情况，就可以通过快速反馈、智能分析和自动控制等方式实现对飞机和机场系统的实时管理和调控。

一旦发生突发事件，监测系统立即通知航空公司和有关领导，提供紧急处理和协调的支持。

目前国际上已经有一些航空公司和机场引进了基于人工智能技术的实时监测系统，例如美国最大的航空公司——美联航公司就引进了一套完整的监测系统。

基于GM(1,1)的北京首都机场航空货邮吞吐量预测研究

C h i n as t o r a g e&t r a n s p o r t m a g a z i n e 2021.04摘要：随着经济全球化的趋势，北京对航空物流市场的需求不断增加。

本文立足代表北京市航空物流发展水平的北京首都机场，运用灰色G M （1，1）模型对其未来三年航空货邮吞吐量进行预测。

通过对标国内外典型枢纽机场，评估其航空物流发展水平，最后提出发展建议，以期对北京市航空物流发展有所贡献。

关键词：北京首都机场；货邮吞吐量；灰色G M （1，1）模一、引言北京市是中华人民共和国的首都，是国务院批复确定的中国政治、文化、国际交往、科技创新中心。

作为空港型国家物流枢纽承载城市，具有航空货流密度高、航线网络辐射范围广、交通便利、地位突出等特点。

北京首都国际机场为4F 级国际机场，截至目前，北京首都国际机场拥有三座航站楼，两条4E级跑道，一条4F 级跑道，以及旅客、货物处理设施。

2020年1月26日起，受疫情影响，首都机场八条省际巴士线路暂停运营。

2020年3月15日起，首都机场全部国际及港澳台地区进港航班调整进港流程，均需停靠首都机场处置专区。

因此，航空物流发展显得尤为重要。

随着疫情全球化的出现，有序提升北京市双枢纽航空货运效率能力，加快发展国际航空物流快运体系，促进经济发展，满足人民生活需要所需提供的高效便捷稳定的物流支撑，就变得尤为重要。

航空货运问题是我国政府有关部门和物流相关企业关注的重大及紧迫的热点问题之一，优化北京市双枢纽航空货运模式，支持快递企业在航空货运领域的发展，加强企业与政府之间的联系，对于推动物流业降本增效和交通运输绿色低碳发展，完善现代综合物流运输体系具有积极意义。

现阶段，面对疫情全球化，通过对首都机场2010~2019年的物流基础设施、国际航线、货邮吞吐量、新技术应用情况数据资料的分析，对未来三年航空货邮吞吐量等货运指标进行科学预测；并将北京双枢纽航空货运构成要素、基础设施、周转效率、物流服务等反应货运能力的相关指标进行调研，找出北京市航空“双枢纽”货运创新模式，是值得探讨的问题。

基于改进加权灰色GM(11)模型的高速公路交通量预测

第32卷第6期2016年12月公路交通技术Technology of Highway and TransportVol. 32 No. 6Dec. 2016DOI；10.13607/ki.gljt.2016.06.028基于改进加权灰色G M(1，1)模型的高速公路交通量预测潘勇，吴小丽，李科(招商局重庆交通科研设计院有限公司，重庆400067)摘要:针对具有跳跃性的中长时数据预测，提出一种改进加权灰色GM( 1，1)模型对高速公路收费站交通量进行预测。

将原始交通量数据经过1阶弱化和1 - A G O处理后，利用灰色关联度对初始值的取值进行加权优化，同时对背景值采取光滑优化处理，从而组合成新型灰色GM( 1，1)模型。

应用某收费站实际交通量统计数据来验证新型灰色GM( 1，1)模型算法预测准确性，结果表明：改进加权灰色GM( 1，1)模型具有更好的适用性和准确性。

关键词：改进灰色GM(1，1)模型；交通量预测；加权文章编号=1009 -6477(2016)06 -0131 -04 中图分类号：U491.1+4 文献标识码：APrediction of Expressway Traffic Volume Based onOptimized Weight Gray GM (1,1) ModelPAN Yong,WU Xiaoli,LI KeAbstract ；Targeting at leaping mid/long- term data prediction,this paper put forwards an optimized weight gray GM (1, 1) model to forecast traffic volume of expressway toll station.After the first - order weakening and 1 - AGO processing of the original traffic volume data,using grey correction to assign weight optimization to the value of initial value,in the same tim e，the background value is smoothened to make a new grey GM (1,1) model.In this paper,actual traffic statistics of a toll station is used to verify the algorithm predication accuracy of the new gray GM (1,1) model.The results show that the optimized gray GM (1,1) model has better applicability and accuracy.Keywords ：Optimized grey GM(1,1) model;traffic volume predication；weight交通量预测一直都是智能交通的核心问题之一，x t交通规划设计具有决定性的作用[1]。

基于GM（1，1）模型预测监测系统的建立

基于GM（1，1）模型预测监测系统的建立
俞晓飞
【期刊名称】《浙江测绘》
【年(卷),期】2012(000)003
【摘要】在研究基坑的灰色特性基础上，利用VisualStudio2008建立了简单的GM（1，1）模型预测监测系统，并通过慈溪财富中心地下室实测与预测数据的对比，探讨说明了灰色系统GM（1，1）模型运用于深基坑变形预测的实际效果。

【总页数】3页(P44-46)
【作者】俞晓飞
【作者单位】宁波市民用建筑设计研究院有限公司,宁波315020
【正文语种】中文
【中图分类】TU473.2
【相关文献】
1.基于线性趋势外推和GM(1,1)模型预测塔里木河下游胡杨年轮径向生长变化 [J], 汪亮亮;张同刚;叶茂;苟晓霞;徐俏;高生峰
2.基于GM(1,1)修正模型预测离退休人口 [J], 周舟;范君晖
3.广东省森林覆盖率的影响因素分析和模型预测——基于灰色关联分析和GM （1,1）模型 [J], 陈哲华;杨超裕;邓冬旺;李志华;
4.基于GM(1,1)模型预测宁夏农村居民人均可支配收入 [J], 周慧洁
5.基于灰色系统GM(1,1)模型预测我国体育用品出口 [J], 田广;郭朝廷;何祖星;侯生辉;朱桂华;刘世多;陈晓春
因版权原因，仅展示原文概要，查看原文内容请购买。

基于GM(11)模型的飞机故障数量预测方法

其中，Ｃ和Ｐ必须同时满足条件。（３）预测值精度评估方法。上述两种检验方法中，相对误差和均方差比值越小越好，小误差概率越大越好。常用的精度等级
模型精确度进行了验证。结果表明，所建的模型准确、有效，可以为飞机未来几年的故障数量预测提高有效的参考。
关键词：灰色ＧＭ（１，１）模型；预测；故障数量
中图分类号：Ｅ９５３
０引言
文献标识码：Ｂ
（５）灰色微分方程为（０（）＋ ’ （｜ｌ｝）＝６。
飞机的维修保障费用在其寿命周期费用中居主要地位，对军用飞机来说，使用维修费通常占寿命周期费用６５％一８０％。而飞机的年故障数量是决定年度维修费用的最主要因素，也是得
出飞机维修保障需求规律的重要参数，精确预测其数量是提高装备维修效益和保障精确化水平的重要前提。由于飞机在服役年限内发生的故障数量具有很大的不确定性，且相关的数据信
基于ＧＭ（１，１）模型的飞机故障数量预测方法
孙海霞，赵培仲，戚佳睿，夏毅锐
（海军航空工程学院青岛校区，山东青岛摘２６６０４１）要：基于某型飞机年度故障数量的历史数据，运用灰色系统理论建立了ＧＭ（１，１）模型，对该飞机年度故障数量进行预测。并对ＤＯＩ：１０．１６６２１￣．ｃｎｋｉ．ｉｓｓｎｌＯ０１－０５９９．２０１７．０３．５３
８（）。（）。（），相对误差＝县，平均相对误差＝

基于预测校正积分法的飞行轨迹再现

ａｃｄｎｓａｄｍｐｏｅｉｔｆｉｇｔｃｎｑｅＴｉａｅｒｓｎｓａｗａｎｗｈｃａ — ａｈｏｈＭｏｈｎｃｉｅｔｎｉｒｖｐｌｓｌｎｅｈｉｕ．ｈｓｏｙｐｐｒｐｅｅｔｙｉｉｈＡｄｍｓＢｓｆｒ — ｕｏｔ
基于预测校正积分法的飞行轨
（国民航大学ａ空中交通管理学院；．中．ｂ民航安全科学研究所。津３００天０３０）
摘要：据ＤＤ根ＦＲ记录的飞行数据再现飞行过程。飞行事故分析和提高飞行员的飞行技能都具有重要意义。给出根对据ＤＤＦＲ记录数据运用预测校正法积分计算飞行轨迹和其他飞行参数，实现飞行过程再现的一种简单算法．并给出使用Ｍａｌｔｂ进行计算和绘图的算例计算结果．明该算法简便有效。ａ证
数字飞行数据记录器（ＦＲ，ｉｉｌｆｇｔａａ机体坐标轴的加速度转变到地面坐标轴．并进行积分ＤＤｄｇｔｉｈａｌｄｔｒｃｒｅ）准确地记录飞机的飞行数据、行状态来计算飞行轨迹。另外，ｅｏｄｒ能飞由于对数据的滤波有可能会掩
关键词：行轨迹；行记录器；行模拟；测校正积分法飞飞飞预
中图分类号：２２１Ｖ１．３

基于GM（1，1）模型的趋势预测方法及其应用

基于GM（1，1）模型的趋势预测方法及其应用
毕效辉;张海东
【期刊名称】《西南科技大学学报》
【年(卷),期】2003(018)004
【摘要】基于灰色理论中GM(1,1)模型提出了一种新的预测方法(趋势预测),再将其应用到组合预测中,运用遗传算法调整组合预测权系数从而得到最优解.通过实例证明,该方法是正确的,算法是有效的.
【总页数】4页(P1-4)
【作者】毕效辉;张海东
【作者单位】西南科技大学信息与控制工程学院,四川,绵阳,621010;西南科技大学信息与控制工程学院,四川,绵阳,621010
【正文语种】中文
【中图分类】O231.2;TP273
【相关文献】
1.基于GM（1，1）模型数据的曲线拟合预测方法在武成城际铁路中的应用研究[J], 叶珉吕;花向红;刘金标;杨发群
2.基于GM(1,1)模型与灰色马尔可夫GM(1,1)模型的核动力装置趋势预测方法研究[J], 刘永阔;谢春丽;于竹君;凌霜寒
3.基于MATLAB和GM(1,1)模型的预测方法应用实例 [J], 王慧蕾
4.福建省2030年碳达峰前二氧化碳排放趋势研究——基于GM(1,1)、GM(2,1)与GM(1,1)邓聚龙灰色预测模型 [J], 柳尧云;林润玮;阎虎勤
5.GM(1,1)模型与趋势曲线的组合预测方法在橡胶产量预测中的应用 [J], 李均立;陈洪斌
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

算法．算法包括轨迹点预测，目标点行进和误差修正三部分．轨迹点预测基于ＧＭ（１，１）算法进行改进，在每次迭代时依据所有先验点和搜索方向动态调整发展系数．目标点行进基于预测坐标点提出ＴＳＵＳ（ＴｉｍｅＳｌｉｃｅＵｎｉｆｏｒｍ
ｔｒａｊｅｃｔｏｒｙｖｉｓｕａｌｉｚａｔｉｏｎａｌｇｏｉｒｔｈｍｆｏｒｃｉｖｉｌａｉｒｃｒａｆｔｓｂａｓｅｄｏｎｐｒｅｄｉｃｔｉｏｎｉｓｓｔｕｄｉｅｄａｎｄｐｕｔｏｒｆｗａｒｄ．Ｔｈｅａｌｇｏｉｒｔｈｍｉｎｃｌｕｄｅｓ
Ｒｅａｌ — ＴｉｍｅＴｒａｊｅｃｔｏｒｙＶｉｓｕａｌＡｌｇｏｒｉｔｈｍｏｆＣｉｖｉｌＡｖｉａｔｉｏｎＡｉｒｃｒａｆｔｓＢａｓｅｄｏｎＧＭ（１，１）Ａｌｇｏｒｉｔｈｍ
计算机系统应用ＩＳＳＮ１００３．３２５４，ＣＯＤＥＮＣＳＡＯＢＮＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓ＆Ａｐｐｌｉｃａｔｉｏｎｓ，２０１７，２６（１１）：１８７ — １９２［ｄｏｉ：１０．１５８８８￣．ｃｎｋｉ．ｃｓａ．００６０６５】 ◎中国科学院软件研究所版权所有．
ｔｈｒｅｅｐａｒｔｓ：ｔｒａｃｋｐｏｉｎｔｐｒｅｄｉｃｔｉｏｎ，ｔａｒｇｅｔｔｒａｖｅｌｉｎｇａｎｄｅｒｒｏｒｃｏｒｅｃｔｉｏｎ．Ｔｈｅｔｒａｃｋｐｏｉｎｔｐｒｅｄｉｃｔｉｏｎｉｓｉｍｐｒｏｖｅｄｂａｓｅｄｏｎ
钱睿，乐俊，刘ቤተ መጻሕፍቲ ባይዱ丹
（电子科技大学电子科学技术研究院，成都６１１７３１）ｆ西南电子信息技术研究所，成都６１００４１）
摘
要：针对民航飞机动态飞行可视化中滞后和跳跃问题，研究并提出了一种基于预测的民航飞机实时轨迹可视化
Ｅ — ｍａｉｌ：ｃｓａ＠ｉｓｃａｓ．ａｃ．ｃｎ
ｈｔｔｐ：／／ｗｗｗ．Ｃ－Ｓ — ａ．ｏｒｇ．ｃｎＴｅｌ：＋８６．１０．６２６６１０４ｌ
基于ＧＭ（１，１）预测算法的民航飞机实时轨迹可视算法①
引用格式：钱睿，乐俊，刘丹．基于ＧＭ（１，１）预测算法的民航飞机实时轨迹可视算法计算机系统￣
。
２０１７ ’ ２６０１）＝ｌ８７￣１９２ｈｔｔｐ：／ｔｗｗｗ：ｃ－ｓ－
ｏｒｇ．ｅｎ／１００３・３２５４／６０６５：ｈｔｍｌ
Ｓｐｅｅｄ）算法，ＴＳＵＳ算法保证了在既定时间内目标确实移动到目的地，且能够根据初始速度方向调整轨迹弧度．误差修正采用分段式误差修正策略，以平衡不同情况下精确性和实用性．实验表明，提出的算法模型可用于民航飞机
可视轨迹渲染中，且能获得良好的效果，提高系统的可用性和用户体验．关键词：可视化；ＧＰＳ；运动预测；航空定位；轨迹追踪
ＱＩＡＮＲｕｉ，ＹＵＥＪｕｎＥ，ＬＩＵＤａｎ
（ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ，Ｃｈｅｎｇｄｕ６１１７３１，Ｃｈｉｎａ）（ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＳｏｕｔｈｗｅｓｔＥｌｅｃｔｒｏｎｉｃＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ６１００４１，Ｃｈｉｎａ）
．
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｌａｇｇｉｎｇａｎｄｊｕｍｐｉｎｇｐｒｏｂｌｅｍｓｉｎｄｙｎａｍｉｃｌｆｉｇｈｔｖｉｓｕａｌｉｚａｔｉｏｎｏｆｃｉｖｉｌａｉｒｃｒａｆｔｓ，ａｒｅａｌ－ｔｉｍｅ