鬼佬大哥大
  • / 21
  • 下載費用:30 金幣  

一種基于飛參面板數據模型的重著陸預測方法.pdf

摘要
申請專利號:

CN201510416109.8

申請日:

2015.07.15

公開號:

CN105069187A

公開日:

2015.11.18

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06F 17/50申請日:20150715|||公開
IPC分類號: G06F17/50 主分類號: G06F17/50
申請人: 北京航空航天大學
發明人: 周晟瀚; 常文兵; 張佳寧; 胡陳
地址: 100191北京市海淀區學院路37號
優先權:
專利代理機構: 北京慧泉知識產權代理有限公司11232 代理人: 王順榮; 唐愛華
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201510416109.8

授權公告號:

||||||

法律狀態公告日:

2018.06.26|||2015.12.16|||2015.11.18

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

一種基于飛參面板數據模型的重著陸預測方法,該方法有七大步驟:步驟一:飛參數據初選,提供數據分析基礎;步驟二:對飛參數據進行切片處理;步驟三:對飛參數據進行相關性分析;步驟四:利用因子分析對飛參數據進行降維處理;步驟五:建立飛參面板數據模型;步驟六:檢驗飛參面板數據模型;步驟七:評價模型預測結果。通過以上七個步驟選擇出最優的基于飛參面板數據的重著陸預測模型,從而實現在不同飛行高度水平下對此次著陸是否發生重著陸做出多次預測。

權利要求書

1.一種基于飛參面板數據模型的重著陸預測方法,其特征在于:該方法實現的具體步驟
如下:
步驟一:飛參數據初選,提供數據分析基礎
飛參數據初選是指對原始飛參數據進行初步篩選,去除無用數據,保留研究所需數據的
過程;飛參數據初選包括以下內容:首先,根據原始飛參數據繪制散點圖,判斷每一次飛機
的著陸時刻并獲取此時的著陸載荷值;當著陸載荷值超過規定限值時,判定此次著陸為重著
陸,否則,判定未發生重著陸;其次,去除著陸后數據;
步驟二:對飛參數據進行切片處理
基于高度變化的重著陸預測理念,對飛參數據按照飛行高度進行切片處理;由于飛參數
據采集的起始點不一致,初選后的飛參數據,不同飛行架次的飛行高度數據區間具有不一致
性;為保證研究的飛參數據表現出相對一致的數據特征,需要設定統一的飛行高度范圍,而
該范圍之外的數據將被剔除;
飛參數據切片處理是指按照飛行高度值,每間隔一定高度值截取一部分飛參數據的處理
方法,截取后的飛參數據將作為數據分析的基礎,其余數據將被剔除;在9m-2m的高度范圍
內,每隔0.5m對飛參數據進行一次截取,則截取15次;
步驟三:對飛參數據進行相關性分析
為定量化地測定飛參變量之間關系的密切程度,需對飛參變量做相關性分析,即通過統
計分析方法計算相關系數來了解飛參變量間的相關關系,采用Pearson相關檢驗方法;
步驟四:利用因子分析對飛參數據進行降維處理
降維處理是指,將多個變量整合成少數幾個變量來研究總體的方法,該方法降低模型分
析中變量的維度進而簡化模型;因子分析正是一種“降維”的統計分析方法,其基本原則是
在盡可能損失較少原始信息的前提下,將多個變量綜合成少數幾個指標來研究總體各方面的
信息,并且綜合后的少數幾個指標所包含的信息彼此不重復,即變量不相關;飛參數據中存
在多個飛參變量,過多的變量會產生嚴重的相關性,一方面會造成模型的冗余,降低模型運
行效率;另一方面無用的信息也會造成模型偏差,因此,采用因子分析對飛參數據進行降維
處理,以從眾多飛參變量中提取關鍵有價值的數據信息,降維處理后得到的因子將作為模型
建立的數據基礎;
步驟五:建立飛參面板數據模型
面板數據回歸模型有多種類別,如混合模型、變截距模型、變系數模型;為驗證何種面
板數據模型更為有效,依次建立飛參面板數據混合模型、飛參面板數據變截距模型和飛參面
板數據變系數模型,并通過模型檢驗,選出最優模型;飛參面板數據模型的建立基于經過降
維處理的飛參因子,飛參因子fjht(j=1,2,…k;h=1,2,…,N;t=1,2,…,T)表示在第t次著陸、
高度h處的第j個飛參因子的取值,為面板數據,其中k為模型中飛參因子的總個數,則飛參面
板數據模型的表示形式為:
Lht=ah+b1hf1ht+b2hf2ht+…+bkhfkht+uht
等價于:
Lht=ah+bhfht+uht(h=1,2,…,N;t=1,2,…,T)
其中,Lht表示在第t次著陸、高度h處著陸載荷的預測值;ah表示隨高度變化的模型常數
項或截距;fht為飛參因子;bh為飛參因子系數,表示相應的飛參因子對模型的影響程度;uht
為模型誤差項;
(1)飛參面板數據混合模型
在該模型中,著陸載荷值的預測結果不受飛行高度的影響,即在不同飛行高度狀態下,
對著陸載荷值的預測值基本保持一致,即ai=aj=a,bi=bj=b,模型改寫為:
Lht=a+bfht+uht(h=1,2,…,Nt=1,2,…,T)
(2)飛參面板數據變截距模型
在該模型中,根據飛行高度影響是常數還是隨機變量的不同,分為固定影響模型和隨機
影響模型兩種,這兩種模型的選擇通過豪斯曼檢驗方法得出;首先,利用豪斯曼檢驗確定飛
行高度影響的類型;其次,建立飛參面板數據變截距模型;在該模型中,著陸載荷值的預測
結果受到飛行高度的影響,且該影響只表現在模型的截距上,通過ah的差異得以體現;而飛
參因子對著陸載荷值預測的影響不隨飛行高度的變化發生改變,即ai≠aj,bi=bj=b,模
型改寫為:
Lht=ah+bfht+uht(h=1,2,…,N;t=1,2,…,T)
(3)飛參面板數據變系數模型
在該模型中,著陸載荷值的預測結果受到飛行高度的影響,且該影響不僅僅表現在模型
的截距上,還表現在飛參因子對著陸載荷值預測的影響隨著飛行高度的變化而發生改變;這
種影響由ah和bh的差異在模型中體現,即ai≠aj,bi≠bj,則模型表示為:
Lht=ah+bhfht+uht(h=1,2,…N;t=1,2,…,T)
建立飛參面板數據模型后,需要對三類面板數據模型進行檢驗,模型檢驗內容包括模型
整體的顯著性檢驗、飛參因子對著陸載荷影響程度的顯著性檢驗以及飛參因子變量的自相關
性檢驗;此外,通過協方差檢驗,從三類飛參面板數據模型中篩選出與飛參面板數據最相符
的模型;
步驟六:檢驗飛參面板數據模型
為考量個體是否會對面板數據模型產生影響以及選取何種面板數據模型最為有效,需要
對模型進行檢驗;通過模型的檢驗與優選,提高參數估計的有效性并減少模型的預測偏差;
協方差分析檢驗,作為一種將回歸分析和方差分析相結合的因變量影響因素分析方法,常常
用于混合模型、變截距模型和變系數模型三類面板數據模型的優選;
為檢驗個體是否對模型產生影響,即判定混合模型是否有效,提出假設H1:
H1:a1=a2=…=aN;b1=b2=…=bN
若已經證實個體對模型具有影響,則需要進一步檢驗個體對模型產生何種影響,即判定
變截距模型和變系數模型哪個模型更為有效,提出假設H2:
H2:b1=b2=…=bN
假設檢驗采用F統計量,計算混合模型的殘差平方和S1,計算變截距模型的殘差平方和S2,
計算變系數模型的殘差平方和S3,給定顯著性水平下F統計量的臨界值為Fα;
計算假設H1的F統計量F1,F1服從自由度為[(N-1)(k+1),N(T-k-1)]的F分布:
F 1 = ( S 1 - S 3 ) / [ ( N - 1 ) ( k + 1 ) ] S 3 / [ N T - N ( k + 1 ) ] ~ F [ ( N - 1 ) ( k + 1 ) , N ( T - k - 1 ) ] ]]>
若F1小于給定顯著性水平下F統計量的臨界值,即F1<Fα,則接受原假設,即認為樣本
數據符合混合模型;反之,若F1>Fα,則拒絕原假設,還需對假設H2做出進一步檢驗;
計算假設H2的F統計量F2,F2服從自由度為[(N-1)k,N(T-k-1)]的F分布:
F 2 = ( S 2 - S 3 ) / [ ( N - 1 ) k ] S 3 / [ N T - N ( k + 1 ) ] ~ F [ ( N - 1 ) k , N ( T - k - 1 ) ] ]]>
若F2小于給定顯著性水平下F統計量的臨界值,即F2<Fα,則接受原假設,即認為個體
對模型的影響僅僅表現在模型的截距上,解釋變量系數在不同個體上均相同,樣本數據符合
變截距模型;反之,若F2>Fα,則拒絕原假設,認為樣本數據符合變系數模型;見下表1:
表1面板數據模型選擇

在面板數據變截距模型中,根據個體影響是常數還是隨機變量的不同,分為固定影響模
型和隨機影響模型;在實際應用中,固定影響模型和隨機影響模型的選擇,經常采用豪斯曼
檢驗方法,豪斯曼的原假設H0與備擇假設H1分別為:
H0:個體影響與解釋變量不相關
H1:個體影響與解釋變量相關
豪斯曼檢驗采用卡方分布進行檢驗,若接受原假設,模型為隨機影響模型;若拒絕原假
設,模型則為固定影響模型;
步驟七:評價模型預測結果
為使飛機在接收到重著陸預測信號后,能有較多的應對時間以做出調整,提出如下假設:
若某型號飛機在某次著陸時,被判定為發生重著陸;則認為該飛機在著陸前的一段飛行高度
內,一直存在誘使重著陸發生的隱患,且該隱患通過飛參數據反映出來;
基于以上假設,認為若某次著陸發生重著陸,則在著陸前的一段時間內應當一直提出重
著陸告警,且相應的預測結果應始終為重著陸;若某次著陸未發生重著陸,則在著陸前的一
段時間內應當一直顯示正常著陸,且相應的預測結果應始終為正常著陸;因此,對飛參面板
數據重著陸預測模型的評價應基于飛機著陸前一段時間內的預測與假設比較后的最終結果,
設定三項模型評價指標:重著陸正確預測率、正常著陸正確預測率和綜合正確預測率,三項評
價指標由以下公式計算得到:



通過以上七個步驟選擇出最優的基于飛參面板數據的重著陸預測模型,從而實現在不同
飛行高度水平下對此次著陸是否發生重著陸做出多次預測。

關 鍵 詞:
一種 基于 面板 數據模型 著陸 預測 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:一種基于飛參面板數據模型的重著陸預測方法.pdf
鏈接地址:http://www.wwszu.club/p-6386036.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大