严重飞行事故频数的灰色马尔柯夫预测

根据严重飞行事故发生频数具有趋势性和随机波动性的特点,本文采用将GM(1,1)模型与马尔柯夫预测技术相结合的联合预测方法,进行严重飞行事故频数的趋势性分析和状态预测,收到了良好的预测效果。     

严重飞行事故频数的灰色马尔柯夫预测

根据严重飞行事故的发生频数具有趋势性和随机波动性特点，采用结合GM(1，1)模型与马尔柯夫预测技术的联合预测方法，进行严重飞行事故频数的趋势性分析和状态预测。     

基于灰色马尔柯夫模型的严重飞行事故频数预测

根据严重飞行事故的发生频数具有趋势性和随机波动性特点，采用结合GM(1，1)模型与马尔柯夫预测技术的联合预测方法，进行严重飞行事故频数的趋势性分析和状态预测，结果表明：灰色马尔柯夫预测模型对严重飞行事故频数的预测结果更科学、更精确。并用灰色马尔柯预测模型，预测世界定期客运航班严重飞行事故频数，其相对误差小于灰色模型预测结果。     

环境污染事故经济损失的灰色马尔柯夫链预测

将灰色马尔柯夫链模型应用于环境污染事故的经济损失预测系统。以某化工厂的污染事故的经济损失作为实例，利用灰色马尔柯夫链模型对其经济损失的预测作了尝试性的探讨。研究表明，灰色马尔柯夫链模型提高了预测的精确度和评价的可信度。     

灰色马尔柯夫模型在交通量预测中的应用

交通量预测是道路交通规划与路面设计的基础,由于影响交通量生成和增长的因素具有层次复杂性、关系模糊性、动态变化随机性和指标数据不确定性等,从而导致交通量的预测结果与路面实际运营数量之间有较大差异.本文利用改进的灰色GM(1,1)预测模型和马尔柯夫随机过程理论,建立了交通量的灰色马尔柯夫预测模型.实例计算分析表明,该模型具有较强的适用性,预测得到的交通量数据具有较高的精度和可靠度.     

基于灰色-马尔柯夫模型的心血管病死亡率预测研究

随着社会与经济的发展,心血管病的发病人数持续增加,准确预测心血管病死亡率可以指导心血管病事件的预防工作和公共卫生事业的可持续发展。主要研究灰色-马尔柯夫的心血管病死亡率预测模型,提出了一种改进的灰色-马尔柯夫预测模型,然后利用1991—2018年农村与城市心血管病死亡率的统计数据进行数值模拟。模拟结果表明提出的改进的灰色-马尔柯夫预测模型是有效的。     

机械原因飞行事故预测模型及其应用

灰色预测与马尔柯夫预测的优点可以相互补充,将两者结合起来对随机性和波动性较大的数据序列进行预测,精度更高.采用灰色马尔柯夫两种预测的组合模型,对空军机械原因严重飞行事故的时间序列进行了分析,并预测了2000年、2001年的机械原因严重飞行事故的可能情况,收到了良好的预测效果.     

马尔柯夫链初探

本文中,笔者利用所学的马尔柯夫链理论对销售市场的占有率进行建模分析,得到市场占有率的平衡状态,与大家共同学习。     

城市污水排放的灰色马尔柯夫预测模型

应用数据加载法提出了ＧＭ（１,１）的修正模型,通过灰色预测法和马尔柯夫链预测法的耦合,建立了城市污水排放量的灰色马尔柯夫预测模型。灰色马尔柯夫预测模型具有灰色系统应用少量数据即可建模,以及马尔柯夫链预测可以预测数据值波动较大的序列的特点。计算结果表明,城市污水排放量的预测值很好地吻合了实际值。     

实时交通量的灰色马尔柯夫预测方法

灰色预测适合于原始数据序列按指数规律变化的问题,而马尔柯夫适用于预测随机波动大的动态过程．有机地结合两者构成灰色马尔柯夫预测方法,可发挥两者的优势,从而提高预测精度．该方法首先用GM（1,1）模型进行预测,而后对相对误差序列进行马尔柯夫预测,最后用该预测值修正GM（1,1）的预测结果,因而具有较高的预测精度．使用灰色马尔柯夫预测方法对苏州某交叉口实时交通量进行预测,预测结果优于单一灰色GM（1,1）预测．实验表明,灰色马尔柯夫预测方法用于交通量预测是有效可行的．     

基于概率频度的普通话韵律结构预测统计模型

为进一步提高文语转换系统中韵律结构预测的准确度,提出了一个基于概率频度的统计模型的方法,预测韵律词和韵律短语边界两级韵律结构。该方法提取与韵律词和韵律短语边界有关的语言学特征(词性、语法词、长度和位置等),并进行样本训练计算各个特征的概率频度值,最终分别建立韵律词和韵律短语的统计模型。实验结果表明:统计模型的方法对于韵律词和韵律短语边界预测的正确率分别可达90.6%和84.6%,并与决策树算法和T ransform ation-based learn ing(TBL)转换规则学习算法比较,提高10%以上的正确率。     

基于深度时空卷积网络的民航需求预测

在线机票预订网站上的用户查询量变化是真实的民航市场需求变化的反映.通过对机票查询数据进行分析,可以准确地预测航班需求,以利于民航业做出快速的市场反应.提出了一种基于深度时空卷积神经网络的民航需求预测模型(DSTCN-FRP),将用户查询量时间序列数据转换成航线网格图,设计多层卷积神经网络来捕捉用户需求与查询数据之间的时间和空间依赖,同时加入节假日等外部因素,最后得到未来一段时间内的民航需求量.在某在线订票网站的真实查询数据集上进行了实验,结果表明:DSTCN-FRP模型优于其他现有的预测方法,其MAE比其他方法降低了15%~50%,RMSE降低了12%~28%.     

机组疲劳评估系统模型对中国航司国际航班飞行员疲劳预测的适用性

研究旨在对经典生物数学模型在中国航空公司运营环境下的适用性进行研究。首先在我国航空公司的运营环境下,使用持续绩效测试(CPT)、卡罗林斯卡嗜睡量表(KSS)和机组人员状态检查表(SP)观测飞行员飞行过程中的警觉度绩效和主观疲劳自评。其次使用机组疲劳评估系统(SAFE)模拟并量化了相应的飞行员疲劳。最后比较了SAFE模型预测的机组警觉度值与其疲劳主观自评、客观绩效之间的差异,使用方差分析来探究疲劳影响因子对模型预测和主客观疲劳的影响差异。结果表明：SAFE模型预测机组人员疲劳与其主观疲劳有较强的相关性,整体上模型对机组人员疲劳预测体现了与执勤时长及昼夜节律相关因素的变化趋势,但是连续执勤18h后预测值会偏高。可见随着对该模型验证数据量的增加及调整模型相关参数以适应我国飞行运行环境,该模型将能够作为我国航空公司疲劳风险管理体系(FRMS)预测式危险源识别的客观工具,同时也可为我国本土化生物数学模型的理论研究与工程应用提供借鉴。     

基于航班延误的飞机和乘客恢复模型

航班发生延误时,需要采取有效恢复措施降低航空公司的经济和信誉损失.本文利用现有飞机资源,对飞机和乘客进行合理的调度安排问题建立了飞机和乘客恢复混合整数规划模型.模型考虑了乘客的航班取消成本、航班延误成本、座舱降级成本、飞机的非正常降落位置的惩罚成本及飞机飞行成本等,以使航班恢复成本最小化为目标.对航班恢复成本进行细分,更接近航空公司在进行航班恢复时的实际情况.使用法国某航空公司真实航班数据作为算例,以验证模型的有效性和实用性.算例显示优化模型相对于航班取消方案和航班顺延方案分别使恢复成本降低了21.05%和21.46%.因此,模型能有效地解决航班航空公司飞机和乘客恢复问题,提高航空公司竞争力.     

贝叶斯预测模型在气温变化预测中的应用

贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测,贝叶斯统计不同于一般统计方法,其不仅利用模型信息和数据信息,而且充分利用了样品的先验信息.根据贝叶斯预测模型的特点,介绍了几个贝叶斯预测模型的预测过程和计算步骤,并对南宁地区自1970年以来19年间的气温变化进行了预测.根据计算结果,分析了不同贝叶斯预测模型的预测特点,并给出了几点结论.     

RVSM空域航路流量的模型和算法研究

结合当前国内外对实施RVSM对增加飞行流量的定性描述,采用定性与定量相结合的系统方法,将实施RVSM对空中交通航路流量影响的实际空中运输问题转换为数学问题进行研究,建立计算航路流量的数学模型,提出了航空器在RVSM高度层不同巡航模式的流量计算模型和具体求解算法,并结合列举实例运用计算机模拟进行检算,证实了模型和算法的可行性、实用性,为定量描述实施RVSM对空中交通航路流量影响提供一定参考．     

面向电信的客户流失预测模型研究

针对现有客户流失预测模型预测准确率低下的问题,本文结合基于统计学习的客户聚类分析和分类预测技术来构建客户流失预测模型。根据模型计算结果,可以辨别出客户类别及流失倾向,并在此基础上提出了预防客户流失的保持措施,从而为电信企业运营商的客户关系管理提供决策依据。