简介:摘要:近年来,随着各类传感器的广泛应用和数字化技术的不断提升,航空领域积累了大量多样化的数据,包括飞行数据、维护记录、气象信息等。这些数据蕴含着宝贵的信息,通过运用先进的大数据分析技术,我们有望更好地理解事故发生的背后原因,提前发现潜在的风险,并采取相应的预防措施。本论文旨在探讨基于大数据的空中交通事故模式识别与预测,通过对多源数据的综合分析,构建高效的预测模型,提高空中交通事故的预测准确性和及时性。我们将深入研究大数据技术在航空领域的应用潜力,探索先进的模式识别算法,并通过实证研究验证模型的有效性。最终,我们的研究旨在为航空安全管理提供新的思路和方法,为减少空中交通事故的发生,保障乘客和机组人员的安全提供有力支持。
简介:为探寻能够区分矿山微震信号和爆破信号的波形特征,建立基于人工识别标准的事件数据库。人工识别的考虑因素包括:波形的重复特征、波形的衰减特征、信号的主频大小以及事件发生的具体时间。将数据库中的微震信号和爆破信号调整至同一坐标系下发现,两类事件的起振角趋。于集中在不同的区间。考虑到P波到时提取的不准确性,波形起振角难以准确计算,提出以应用线性回归拟合得到的起振趋势线斜率代替起振角。将首次峰值起振趋势线斜率和最大峰值起振趋势线斜率连同首次波峰及最大波峰的坐标列为特征参数,应用Fisher判别法,能成功实现微震事件与爆破时间的准确分离,识别正确率达到97.1%。
简介:为了提高交通需求预测精度,综合考虑居民出行行为在时间维度上的分布,采用支持向量机、径向基神经网络和多项logit三种方法,基于居民活动目的,建立了出行链模式识别模型,并利用敏感性分析方法研究了解释因素对出行链模式选择的影响和对模型性能的贡献程度.结果显示:支持向量机模型在总体准确度和分类准确度上均优于其他2种方法,体现了支持向量机在小样本下的识别性能优势;证明了支持向量机能够较准确地反映多分类因素对于出行链模式选择行为的影响程度;因素对于不同出行链模式识别精度的贡献度差异表明了细化出行链模式及探索各个模式特有影响因素的重要性.支持向量机技术在交通需求预测建模及影响因素分析方面均具有实践意义.
简介:摘要:智能型模式识别法能够对调度人员的工作方式以及识别机制进行模拟,对电网调度自动化有着重要的意义。基于此,本文分析了智能型模式识别法的优势,并阐述了智能型模式识别法在电网调度自动化中的应用。关键词:智能型模式识别法;电网调度自动化;样本数据目前,我国的电网调度控制中心在实际的工作中普遍使用了计算机监控系统的应用,大幅的提升了电网调度自动化的水平。但是,在电网调度自动化的工作中,依旧存在着一些问题,诸如数据更新用时较长、软件模型过于复杂等等,没有将计算机监控系统的优势最大程度的发挥出来。在有关电网调度自动化的智能系统开发中,对于调度人员的工作方式以及识别机制进行模仿,能够提升计算机监控系统的性能,使得电网调度工作更加高效。