[发明专利]基于多元回归分析的航空器场面滑行时间预测方法

摘要

本发明公开了一种基于多元回归分析的航空器场面滑行时间预测方法。通过综合分析影响航空器场面滑行时间的各类因素，针对不同的场面滑行时间数据变换方式和自变量筛选策略，提炼影响场面滑行时间的最根本因素，建立基于多元线性回归分析和多元曲线回归分析的航空器场面滑行时间预测模型，并对所建不同模型的预测误差进行对比分析，对于提升机场飞行区内航空器场面滑行过程的预测能力具有重要意义。本发明可对预战术和战术层面任意一架进离场航空器的滑行过程进行准确和快速预测，也可为战略层面航班正常性统计标准制定提供数据参考依据，有效解决了机场航空器滑行过程宏观预测能力较低的难题。

主权项

1.一种基于多元回归分析的航空器场面滑行时间预测方法，其特征在于：包括以下步骤：步骤一，分析航空器场面滑行过程，梳理影响航空器场面滑行时间的各类因素，构建航空器场面滑行时间影响因素初始集；所述步骤一的具体步骤为：(1.1)分析机场飞行区进离场航空器滑行过程，以及影响航空器滑行过程的内外部环境，梳理航空器场面滑行时间关键影响因素，关键影响因素包括八个变量：离场瞬时流量X1、进场瞬时流量X2、离场累计流量X3、进场累计流量X4、起飞队列长度X5、降落队列长度X6、离场时隙需求X7、进场时隙需求X8；(1.2)以步骤(1.1)中所述的八个变量为集合元素，构建航空器场面滑行时间影响因素初始集X＝{X1,X2,X3,X4,X5,X6,X7,X8}；步骤二，采用多元回归分析方法，提炼不同自变量筛选策略对应的航空器场面滑行时间本质影响因素，构建航空器场面滑行时间影响因素筛选集，建立基于多元线性回归分析的航空器场面滑行时间预测模型；所述步骤二的具体步骤为：(2.1)以场面滑行时间Y为因变量，以离场瞬时流量X1、进场瞬时流量X2、离场累计流量X3、进场累计流量X4、起飞队列长度X5、降落队列长度X6、离场时隙需求X7、进场时隙需求X8为自变量，建立航空器场面滑行时间总体回归模型：Y＝β0+β1X1+β2X2+...+β8X8+μ；其中，βi为航空器场面滑行时间总体回归模型的回归系数，其中i＝0,1,2,...,8，μ为随机误差项，用于体现影响航空器场面滑行时间的其它随机扰动因素；(2.2)通过对航空器场面滑行时间预测总体(X1,X2,...,X8；Y)的n次独立样本观测值(X1i,X2i,...,X8i；Yi),i＝1,2,...,n进行记录，建立样本回归线：其中，为场面滑行时间对应的因变量的估计值；为样本回归方程的截距参数；为八个场面滑行时间影响因素对应的自变量的偏回归系数，其中i＝1,2,...,8；建立航空器场面滑行时间与其各类影响因素对应的所有样本观测值与估计值的残差平方和函数：在达到最小时，计算得到的便为多元线性回归的样本回归系数；(2.3)将航空器场面滑行时间数据的建模方式分为原始数据建模和对数变换建模两种，在原始数据建模方式下，分别采用强制回归策略和逐步回归策略两种自变量筛选策略进行回归建模；在对数变换建模方式下，分别采用强制回归策略和逐步回归策略两种自变量筛选策略进行回归建模；对影响航空器场面滑行时间的本质因素进行提炼，构建航空器场面滑行时间影响因素筛选集，并建立基于多元线性回归分析的航空器场面滑行时间预测模型；步骤三，在步骤二建立的基于多元线性回归分析的航空器场面滑行时间预测模型的基础上，分别采用多种不同回归建模方法，建立基于多元曲线回归分析的航空器场面滑行时间预测模型，并对所建不同模型的预测误差进行对比分析。