为了精确预测民用机场跑道的剩余使用寿命,利用数据融合技术将两种数据集进行联合分析,采用贝叶斯概率预测方法对机场跑道定期检测数据进行更新。考虑机场道面退化过程的随机性和动态性,建立了一种机场道面性能退化的动态半马尔可夫随...为了精确预测民用机场跑道的剩余使用寿命,利用数据融合技术将两种数据集进行联合分析,采用贝叶斯概率预测方法对机场跑道定期检测数据进行更新。考虑机场道面退化过程的随机性和动态性,建立了一种机场道面性能退化的动态半马尔可夫随机过程模型,利用生存分析对半马尔可夫过程模型的转移概率进行了估计。考虑飞行交通量和道面厚度的双重影响,采用某地方民用机场2007—2017年的道面性能定期检测数据,分析了两种影响因素的作用。利用半马尔可夫过程模型的转移概率对某地方民用机场跑道性能退化过程进行了预测,并采用马尔可夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)模拟技术,基于贝叶斯统计分析方法,利用不定期检测数据得到的先验信息对半马尔可夫过程模型的转移概率进行了更新,将更新后的模型应用于民用机场跑道性能预测,并将预测结果和未更新的动态半马尔可夫过程模型预测结果进行了对比分析。结果表明,基于MCMC的贝叶斯分析方法能够融合定期和不定期检测数据确定动态半马尔可夫过程模型的参数先验信息,可以有效地更新机场跑道的性能预估模型,提高模型的预测精度。展开更多
文摘为了精确预测民用机场跑道的剩余使用寿命,利用数据融合技术将两种数据集进行联合分析,采用贝叶斯概率预测方法对机场跑道定期检测数据进行更新。考虑机场道面退化过程的随机性和动态性,建立了一种机场道面性能退化的动态半马尔可夫随机过程模型,利用生存分析对半马尔可夫过程模型的转移概率进行了估计。考虑飞行交通量和道面厚度的双重影响,采用某地方民用机场2007—2017年的道面性能定期检测数据,分析了两种影响因素的作用。利用半马尔可夫过程模型的转移概率对某地方民用机场跑道性能退化过程进行了预测,并采用马尔可夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)模拟技术,基于贝叶斯统计分析方法,利用不定期检测数据得到的先验信息对半马尔可夫过程模型的转移概率进行了更新,将更新后的模型应用于民用机场跑道性能预测,并将预测结果和未更新的动态半马尔可夫过程模型预测结果进行了对比分析。结果表明,基于MCMC的贝叶斯分析方法能够融合定期和不定期检测数据确定动态半马尔可夫过程模型的参数先验信息,可以有效地更新机场跑道的性能预估模型,提高模型的预测精度。
