基于自动机器学习的机场温度预报方法研究

利用2015年1月—2021年3月ECMWF细网格数值预报产品构建训练样本,使用自动机器学习方法构建乌鲁木齐机场温度预测模型。结果表明:(1)ECMWF模式直接输出的乌鲁木齐机场温度平均绝对误差为1.7℃,基于自动机器学习方法的Auto-sklearn模型和Auto-Keras模型能够改善模式直接输出的误差,使平均绝对误差降低至1.4℃。(2)分析逐月模型预测准确率发现,Auto-sklearn模型的预报准确率(≤2℃)在4—10月稳定在85%以上,效果优于其余模型。(3)对于冬季低温天气,Auto-Keras模型预报准确率优于其余模型的效果,平均绝对误差为1.37~1.91℃;而对于温度≥0℃的情况,Auto-sklearn模型预测效果更好,平均绝对误差为0.93~1.22℃。

随机森林方法在机场温度预测中的应用

利用2015—2017年欧洲中心细网格数值预报产品,使用随机森林方法,结合不同数量的决策树进行模型训练,研究建立基于随机森林方法的乌鲁木齐机场逐时温度回归预报模型。通过对模型预测结果的检验可以看到,模型预测乌鲁木齐机场温度平均绝对误差≤2℃的占样本总数的94%,机场温度−10~30℃,平均绝对误差为1.2℃,该方法预测效果较好,因此可以尝试使用本方法制作民航机场客观要素指导产品。

EC数值模式2 m温度对新疆区域机场预报性能检验分析

为了分析EC数值模式对新疆区域机场气温预报的效果,本文选取2015年1月至2020年3月期间EC数值模式对新疆区域20个机场的2 m温度预报结果进行检验,结果表明:EC模式输出的新疆区域机场温度预报在2.12℃左右,其中北疆大部分地区机场平均绝对误差超过2℃,南疆大部分地区机场平均绝对误差低于2℃,其中吐鲁番机场误差相对较小。结合不同月份的分析结果可以看到,大部分机场在冬季温度预报效果较差,其余季节平均绝对误差较小。

机场条件对民机起飞性能影响规律初探

为了研究机场海拔、温度及跑道污染对大型民航运输机起飞性能的影响规律,采用理论分析结合模型计算的方法,回归统计出机场条件对起飞场长的影响规律。首先,介绍并分析了起飞性能的影响要素(机场高度、温度、跑道条件、发动机推力、增升装置)及其影响关系;其次,建立了自动满足适航要求的民机起飞性能计算模型;再次,利用该模型计算不同机场条件下飞机起飞性能;最后,将结果分析归纳总结成图表,为飞机设计及运营人员提供参考。

蓄势待发 前景广阔：中国民用机场现状及发展报告

机场建设初具规模 改革开放以来,随着我国航空运输持续快速发展,机场建设也取得了显著的成效.目前我国机场已初具规模,机场密度逐步加大,机场等级和设施现代化程度有大幅提高,初步形成了以北京、上海、广州、成都、西安、沈阳等城市机场为中心,其他省会和重点城市机场为骨干,中小城市机场相配合的格局.