为更精确地预测航班过站时间,将全国机场按照规模差异及不同地理位置所导致的客流量差异和天气差异对航班过站时间造成的不同影响进行分类,基于各类机场航班数据,构建混合轻量级梯度提升机算法(LightGBM)模型对航班过站时间分类预测。...为更精确地预测航班过站时间,将全国机场按照规模差异及不同地理位置所导致的客流量差异和天气差异对航班过站时间造成的不同影响进行分类,基于各类机场航班数据,构建混合轻量级梯度提升机算法(LightGBM)模型对航班过站时间分类预测。引入自适应鲁棒损失函数(adaptive robust loss function,ARLF)改进LightGBM模型损失函数,降低航班数据中存在离群值的影响;通过改进的麻雀搜索算法对改进后的LightGBM模型进行参数寻优,形成混合LightGBM模型。采用全国2019年全年航班数据进行验证,实验结果验证了方法的可行性。展开更多
随着各种新型雷达的出现或战时预留模式的采用,真实的战场电磁环境将越加复杂,大概率会出现种类未知且参数突变的雷达调制信号,对现有的调制方式识别算法带来严峻挑战。对此,分析雷达调制方式“未知”对识别结果的影响机理,将开集差分...随着各种新型雷达的出现或战时预留模式的采用,真实的战场电磁环境将越加复杂,大概率会出现种类未知且参数突变的雷达调制信号,对现有的调制方式识别算法带来严峻挑战。对此,分析雷达调制方式“未知”对识别结果的影响机理,将开集差分分布对齐(distribution alignment with open set difference,DAOD)算法引入雷达调制方式识别领域,设计具体应用的技术方案,并针对DAOD算法所需参数依靠先验知识或者试探选取问题,利用蜣螂优化(dung beetle optimizer,DBO)算法进行参数优化。仿真结果表明:在单个雷达调制方式未知情形下,精确度Accuracy和F-measure分值的平均值分别可达91.34%和95.11%;在多个雷达调制方式未知情形下,Accuracy和F-measure的平均值分别可达91.37%、93.69%;与DAOD算法相比,上述结果分别提升了3.77%、1.83%、21.17%和12.06%。因此,DBO-DAOD算法可有效提升未知雷达调制方式的识别率。展开更多
利用中国区域2023年夏季945个地基全球导航卫星系统(GNSS)测站的观测数据,分别采用双差网解法与精密单点定位法(Precise Point Positioning,PPP)对大气可降水量(Precipitable Water Vapor,PWV)进行了反演,以同址探空站和ERA5再分析资料...利用中国区域2023年夏季945个地基全球导航卫星系统(GNSS)测站的观测数据,分别采用双差网解法与精密单点定位法(Precise Point Positioning,PPP)对大气可降水量(Precipitable Water Vapor,PWV)进行了反演,以同址探空站和ERA5再分析资料的PWV为参考值,研究分析了两种方法在中国不同气候区域反演PWV的精度及稳定性特征。结果表明:与PPP解相比,双差解与探空和ERA5资料的PWV的相关性更强,偏差(Bias)频率分布更集中,峰值区概率更高,偏差范围更小。以探空资料获取的RS-PWV为参考值时,双差解与PPP解的平均Bias分别为-0.1 mm和1.1 mm,平均均方根误差(RMSE)分别为2.4 mm和3.1 mm,以ERA5-PWV为参考值时,双差解与PPP解的平均Bias分别为-0.2 mm和0.1 mm,平均RMSE分别为2.7 mm和3.2 mm,双差解的平均RMSE均小于3 mm,这表明双差网解法反演的PWV具有更高的精度和稳定性。GNSS探测水汽的精度总体表现为西部非季风区优于东部季风区,双差解在各气候区域的RMSE都更集中于中位数附近,而PPP解在不同测站多表现出不同的精度水平,在水汽充足且探测精度偏低的温带和亚热带季风气候区域精度离散程度较大,具有较强的不稳定性。展开更多
文摘为更精确地预测航班过站时间,将全国机场按照规模差异及不同地理位置所导致的客流量差异和天气差异对航班过站时间造成的不同影响进行分类,基于各类机场航班数据,构建混合轻量级梯度提升机算法(LightGBM)模型对航班过站时间分类预测。引入自适应鲁棒损失函数(adaptive robust loss function,ARLF)改进LightGBM模型损失函数,降低航班数据中存在离群值的影响;通过改进的麻雀搜索算法对改进后的LightGBM模型进行参数寻优,形成混合LightGBM模型。采用全国2019年全年航班数据进行验证,实验结果验证了方法的可行性。
文摘随着各种新型雷达的出现或战时预留模式的采用,真实的战场电磁环境将越加复杂,大概率会出现种类未知且参数突变的雷达调制信号,对现有的调制方式识别算法带来严峻挑战。对此,分析雷达调制方式“未知”对识别结果的影响机理,将开集差分分布对齐(distribution alignment with open set difference,DAOD)算法引入雷达调制方式识别领域,设计具体应用的技术方案,并针对DAOD算法所需参数依靠先验知识或者试探选取问题,利用蜣螂优化(dung beetle optimizer,DBO)算法进行参数优化。仿真结果表明:在单个雷达调制方式未知情形下,精确度Accuracy和F-measure分值的平均值分别可达91.34%和95.11%;在多个雷达调制方式未知情形下,Accuracy和F-measure的平均值分别可达91.37%、93.69%;与DAOD算法相比,上述结果分别提升了3.77%、1.83%、21.17%和12.06%。因此,DBO-DAOD算法可有效提升未知雷达调制方式的识别率。
