基于XGBoost的航空器动态滑行时间预测方法研究

对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32000条(含)以上。

底盘测功机校准装置动态滑行时间和静态速度校准方法探讨

汽车排气污染物检测用底盘测功机校准装置是用于校准测功机,目前汽车排气污染物检测用底盘测功机校准装置的国家计量技术规范还尚未制定,故针对其静态速度和动态滑行时间2个关键参数的校准方法进行探讨,对测功机校准装置进行计量校准可有效保证其量值的准确可靠。结果表明,静态速度示值误差不确定度优于1.0×10^(-4)(k=2);动态滑行时间示值误差不确定度优于2.0ms(k=2),则该校准方法能为测量人员提供参考。