本文選題：航班延誤恢復(fù) + 多跑道機(jī)場(chǎng)��； 參考：《中國(guó)民航大學(xué)》2016年碩士論文

【摘要】：近年來(lái),隨著民航客貨運(yùn)輸量的迅猛增長(zhǎng),國(guó)內(nèi)許多機(jī)場(chǎng)通過(guò)增加跑道數(shù)量、擴(kuò)建機(jī)場(chǎng)規(guī)模來(lái)增加機(jī)場(chǎng)容量,在提高了吞吐量的同時(shí)也造成了航班使用跑道的不確定因素增加和機(jī)場(chǎng)噪聲影響問(wèn)題的加劇。多跑道機(jī)場(chǎng)數(shù)量與日俱增,航班、跑道、飛行程序之間的組合更加多樣化,噪聲影響分布不同,導(dǎo)致多跑道機(jī)場(chǎng)的噪聲預(yù)測(cè)問(wèn)題與以往的預(yù)測(cè)方式不一樣且更加復(fù)雜。目前的預(yù)測(cè)方法主要面向單跑道單次飛行事件的噪聲預(yù)測(cè)問(wèn)題,而機(jī)場(chǎng)噪聲具有聲級(jí)高,影響范圍廣,不穩(wěn)定的特點(diǎn),對(duì)于航班延誤恢復(fù)時(shí)段大量航班密集起飛產(chǎn)生的“短時(shí)高噪”現(xiàn)象,使用已有的預(yù)測(cè)方法將會(huì)產(chǎn)生較大誤差,難以適用。因此,進(jìn)行航班延誤恢復(fù)時(shí)段的多跑道機(jī)場(chǎng)噪聲預(yù)測(cè)研究很有必要。現(xiàn)有的預(yù)測(cè)方法主要面向單跑道的噪聲預(yù)測(cè)問(wèn)題,對(duì)于目前因機(jī)場(chǎng)新建、擴(kuò)建、跑道日益增加和航班延誤恢復(fù)時(shí)段航班密集起飛而導(dǎo)致噪聲影響加劇的問(wèn)題,本文提出了“噪聲等效”的概念,基于一種帶約束條件的混合聚類算法,構(gòu)建了一種基于機(jī)場(chǎng)噪聲等效的航班聚類模型,實(shí)現(xiàn)了航班跑道的等效匹配,減小了多跑道機(jī)場(chǎng)航班延誤恢復(fù)時(shí)段航班使用跑道不確定的因素。在此基礎(chǔ)上,通過(guò)BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)和NPD(Noise-Power-Distance)曲線插值的方法分別構(gòu)造了機(jī)場(chǎng)噪聲等效預(yù)測(cè)模型,預(yù)測(cè)出一定時(shí)段的噪聲平均能量,為行業(yè)主管部門提供依據(jù)和參考。最后,通過(guò)理論及實(shí)驗(yàn)證明,該預(yù)測(cè)模型把噪聲預(yù)測(cè)的不確定性因素抵消后大幅度提高了預(yù)測(cè)的準(zhǔn)確率,實(shí)現(xiàn)了對(duì)多跑道機(jī)場(chǎng)在航班延誤恢復(fù)時(shí)段的噪聲等效預(yù)測(cè)。機(jī)場(chǎng)周圍的噪聲影響分布主要受飛行航跡控制,噪聲大小主要受機(jī)型、飛行參數(shù)影響。為了更方便快捷的從全局上預(yù)測(cè)和評(píng)估航班延誤恢復(fù)時(shí)段的多跑道機(jī)場(chǎng)的噪聲影響情況,基于不同跑道進(jìn)行航跡聚類和機(jī)型聚類,把聚類結(jié)果的每簇中心航跡和代表機(jī)型數(shù)據(jù)組合導(dǎo)入INM(Integrated Noise Models)計(jì)算噪聲值構(gòu)成噪聲數(shù)據(jù)庫(kù),通過(guò)貝葉斯分類算法構(gòu)建了一個(gè)基于貝葉斯分類的多跑道機(jī)場(chǎng)噪聲優(yōu)化預(yù)測(cè)模型。輸入航班號(hào)、機(jī)型、航跡簇類別、目的地、出港點(diǎn)等基礎(chǔ)數(shù)據(jù)即可快速得到噪聲預(yù)測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明,該模型不僅能夠預(yù)測(cè)航班放行正常時(shí)段的噪聲影響,還可以在一定誤差范圍內(nèi)方便快捷地預(yù)測(cè)出航班延誤恢復(fù)時(shí)段的機(jī)場(chǎng)周圍敏感點(diǎn)的噪聲。
[Abstract]:In recent years, with the rapid growth of passenger and cargo traffic in civil aviation, many domestic airports increase their capacity by increasing the number of runways and expanding the size of airports. It not only improves the throughput, but also results in the increase of the uncertainty of the runway usage and the aggravation of the airport noise problem. With the increasing number of multi-runway airports, the combination of flights, runways and flight procedures is more diversified, and the noise influence distribution is different, resulting in the noise prediction problem of multi-runway airports is different and more complex than the previous prediction methods. The current prediction methods are mainly used to predict the noise of single runway single flight event, and the airport noise is characterized by high sound level, wide range of influence and instability. For the phenomenon of "short time high noise" caused by a large number of flight densities during the flight delay recovery period, using the existing prediction methods will produce a large error, which is difficult to apply. Therefore, it is necessary to study the noise prediction of multi-runway airport in flight delay recovery period. The existing prediction methods are mainly aimed at the noise prediction of single runway. At present, due to the construction and expansion of the airport, the increasing number of runways and the heavy takeoff of flights during the flight delay recovery period, the noise impact is aggravated. In this paper, the concept of "noise equivalence" is proposed. Based on a hybrid clustering algorithm with constraints, a flight clustering model based on airport noise equivalence is constructed, which realizes the equivalent matching of flight runways. Reduces the multiple runway airport flight delay recovery time flight use runway uncertainty factor. On this basis, the equivalent prediction model of airport noise is constructed by BP (back Propagation) neural network and NPD (Noise-Power-Distance) curve interpolation method, and the average noise energy in a certain period of time is predicted, which provides the basis and reference for the competent department of the industry. Finally, the theoretical and experimental results show that the prediction model can significantly improve the accuracy of the prediction by canceling the uncertainty factors of the noise prediction, and realizes the noise equivalent prediction of multi-runway airports in the period of flight delay recovery. The influence distribution of the noise around the airport is mainly controlled by the flight path, and the noise is mainly affected by the model and the flight parameters. In order to predict and evaluate the noise impact of multi-runway airports in the time of flight delay recovery more conveniently and quickly, track clustering and model clustering are carried out based on different runways. The data of each cluster center track and representative model of clustering results are imported into INM (Integrated noise models) to calculate the noise value to form noise database, and a Bayesian classification algorithm is used to construct an optimal prediction model of multi-runway airport noise based on Bayesian classification. The noise prediction results can be obtained quickly by inputting basic data such as flight number, aircraft type, track cluster category, destination, departure point and so on. The experimental results show that the model can not only predict the noise effect during the normal period of flight release, but also predict the noise of the sensitive points around the airport during the flight delay recovery period conveniently and quickly within a certain range of errors.
【學(xué)位授予單位】：中國(guó)民航大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：V351;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉平;開發(fā)航班延誤保險(xiǎn) 破解經(jīng)濟(jì)補(bǔ)償難題[J];中國(guó)民用航空;2004年08期

2 林石平;正確認(rèn)識(shí)和處理航班延誤[J];中國(guó)民用航空;2004年12期

3 ;國(guó)外怎樣處理航班延誤[J];四川統(tǒng)一戰(zhàn)線;2004年09期

4 譚竹;;航班延誤補(bǔ)償困擾民航[J];中國(guó)質(zhì)量萬(wàn)里行;2004年08期

5 李小燕;;美國(guó)提升航空系統(tǒng)容量以減少航班延誤[J];綜合運(yùn)輸;2006年06期

6 李伊;;航班延誤——航空公司說(shuō)不出的痛[J];中國(guó)民用航空;2006年10期

7 張薇;;改善航班延誤的思考及對(duì)策[J];空運(yùn)商務(wù);2007年02期

8 許志國(guó);;妥善處理矛盾 避免航班延誤糾紛[J];中國(guó)民用航空;2007年08期

9 謝泗薪;李榮;;航班延誤后服務(wù)改進(jìn)與理賠方案設(shè)計(jì)[J];中國(guó)民航大學(xué)學(xué)報(bào);2007年04期

10 孫金祿;;淺論航班延誤處置機(jī)制與措施[J];江蘇航空;2008年01期

相關(guān)會(huì)議論文 前7條

1 ;降低過(guò)站航班因機(jī)務(wù)原因造成的航班延誤率[A];山東省群眾性質(zhì)量管理活動(dòng)QC成果集[C];2002年

2 王苗苗;;治理航班大面積延誤 提升中國(guó)民航運(yùn)行品質(zhì)[A];探索 創(chuàng)新 交流（第4集）——第四屆中國(guó)航空學(xué)會(huì)青年科技論壇文集[C];2010年

3 韓明亮;王青勇;;基于模糊綜合評(píng)價(jià)的航空公司改善航班延誤程度的研究[A];中國(guó)企業(yè)運(yùn)籌學(xué)[2011（1）][C];2011年

4 盧偉;;我國(guó)民航業(yè)航班延誤現(xiàn)象的空域擁堵因素分析[A];科學(xué)發(fā)展·惠及民生——天津市社會(huì)科學(xué)界第八屆學(xué)術(shù)年會(huì)優(yōu)秀論文集（下）[C];2012年

5 陳穗軍;肖海平;;粵瓊兩省天氣原因?qū)е潞桨嘌诱`的氣候特點(diǎn)分析[A];中國(guó)氣象學(xué)會(huì)2006年年會(huì)“航空氣象探測(cè)、預(yù)報(bào)、預(yù)警技術(shù)進(jìn)展”分會(huì)場(chǎng)論文集[C];2006年

6 王勇;;淺析航班延誤后的地面服務(wù)工作[A];科學(xué)發(fā)展·惠及民生——天津市社會(huì)科學(xué)界第八屆學(xué)術(shù)年會(huì)優(yōu)秀論文集（下）[C];2012年

7 蔣立輝;張倩;;基于GSM短消息的航班延誤通知系統(tǒng)的設(shè)計(jì)和應(yīng)用[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上）[C];2008年

相關(guān)重要報(bào)紙文章 前10條

1 鄧敏敏;航班延誤　服務(wù)不延誤[N];中國(guó)旅游報(bào);2004年

2 張勇;換一種方式進(jìn)行航班延誤補(bǔ)償[N];中國(guó)民航報(bào);2005年

3 楊群峰;20種原因110個(gè)因素細(xì)說(shuō)航班延誤[N];中國(guó)民航報(bào);2005年

4 蔡健;做好航班延誤后的服務(wù)工作[N];中國(guó)民航報(bào);2005年

5 劉軍（東航甘肅分公司市場(chǎng)銷售部）;航班延誤需要旅客的理解[N];中國(guó)民航報(bào);2005年

6 陳淑君;航班延誤，，服務(wù)不能延誤[N];中國(guó)民航報(bào);2005年

7 林紅梅;航班延誤根源是壟斷[N];中國(guó)企業(yè)報(bào);2004年

8 史麗萍;實(shí)施難度較大　航班延誤險(xiǎn)短期難推出[N];國(guó)際金融報(bào);2004年

9 陳天翔;三問(wèn)“航班延誤險(xiǎn)”[N];國(guó)際金融報(bào);2004年

10 本報(bào)記者 吳紅軍;我們需要怎樣的“航班延誤險(xiǎn)”？[N];金融時(shí)報(bào);2004年

相關(guān)博士學(xué)位論文 前8條

1 劉小平;航班延誤情境下旅客群體性突發(fā)事件致因機(jī)理及預(yù)警機(jī)制研究[D];武漢理工大學(xué);2013年

2 陳海燕;動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)的航班延誤預(yù)測(cè)關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2012年

3 曹衛(wèi)東;基于改進(jìn)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的航班延誤波及分析[D];天津大學(xué);2009年

4 劉玉潔;基于貝葉斯網(wǎng)絡(luò)的航班延誤與波及預(yù)測(cè)[D];天津大學(xué);2009年

5 姚韻;航空公司不正常航班管理和調(diào)度算法研究[D];南京航空航天大學(xué);2006年

6 賈傳亮;航空公司正點(diǎn)率考核與飛行員培養(yǎng)規(guī)劃研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2006年

7 張米;航空公司機(jī)組排班模型研究[D];清華大學(xué);2014年

8 王巡;航空客戶消費(fèi)行為分析與航班優(yōu)化研究[D];西南交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 許紅;我國(guó)航班延誤糾紛的現(xiàn)狀、誘因及對(duì)策[D];湖南大學(xué);2007年

2 邱紅平;我國(guó)航班延誤成因分析及服務(wù)應(yīng)對(duì)策略研究[D];復(fù)旦大學(xué);2011年

3 張小莉;鄭州機(jī)場(chǎng)大面積航班延誤應(yīng)急處置策略研究[D];昆明理工大學(xué);2015年

4 盧治國(guó);我國(guó)航班延誤治理對(duì)策研究[D];蘭州大學(xué);2015年

5 申建明;昆明長(zhǎng)水國(guó)際機(jī)場(chǎng)航班延誤綜合治理研究[D];云南財(cái)經(jīng)大學(xué);2015年

6 熊在林;拉薩機(jī)場(chǎng)大面積航班延誤協(xié)調(diào)聯(lián)動(dòng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

7 陳瑾;公共危機(jī)管理下的航班延誤問(wèn)題與對(duì)策研究[D];陜西師范大學(xué);2015年

8 趙怡;國(guó)際航班延誤的法律責(zé)任研究[D];華東政法大學(xué);2015年

9 李暉;冰雪大霧天氣下大面積航班延誤信息系統(tǒng)的分析與設(shè)計(jì)[D];云南大學(xué);2015年

10 王一涵;我國(guó)航班延誤下旅客權(quán)益保護(hù)法律問(wèn)題研究[D];華東政法大學(xué);2015年

本文編號(hào)：2051245