为感知航班客舱保障过程各节点的动态演化机理,提出一种多马尔可夫链协同(synergy of multi-Markov chains, SMMC)的航班客舱保障过程预测方法。根据航班客舱保障的实际流程及相互约束关系,构建一种客舱保障过程节点协同的马尔可夫模型...为感知航班客舱保障过程各节点的动态演化机理,提出一种多马尔可夫链协同(synergy of multi-Markov chains, SMMC)的航班客舱保障过程预测方法。根据航班客舱保障的实际流程及相互约束关系,构建一种客舱保障过程节点协同的马尔可夫模型;基于历史数据作为样本并改进DBSCAN(density-based spatial clustering of applications with noise)聚类算法,设计面向客舱保障过程的DBSCAN-SMMC预测方法。选取国内某大型机场航班运行保障过程的实际运行数据开展仿真验证。研究结果表明,所提方法实现了各节点发生时刻的动态精准预测,其平均绝对误差的均值为0.606 min,均方根误差的均值为1.133 min,与其它方法相比平均绝对百分误差最少降低2%,拟合优度最大提升0.14,能够为机场运行精细化管理提供决策依据。展开更多
文摘为感知航班客舱保障过程各节点的动态演化机理,提出一种多马尔可夫链协同(synergy of multi-Markov chains, SMMC)的航班客舱保障过程预测方法。根据航班客舱保障的实际流程及相互约束关系,构建一种客舱保障过程节点协同的马尔可夫模型;基于历史数据作为样本并改进DBSCAN(density-based spatial clustering of applications with noise)聚类算法,设计面向客舱保障过程的DBSCAN-SMMC预测方法。选取国内某大型机场航班运行保障过程的实际运行数据开展仿真验证。研究结果表明,所提方法实现了各节点发生时刻的动态精准预测,其平均绝对误差的均值为0.606 min,均方根误差的均值为1.133 min,与其它方法相比平均绝对百分误差最少降低2%,拟合优度最大提升0.14,能够为机场运行精细化管理提供决策依据。
