基于EMD与果蝇参数寻优的LSSVM的机场能耗预测

针对机场能耗数据周期性、随机性和非平稳时间序列性等特性,提出一种结合经验模式分解(Empirical Mode Decomposition,EMD)和果蝇参数寻优的最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)的能耗预测方法。在原有LSSVM方法基础上,运用EMD对天津机场能耗数据进行预处理,得到若干个本征分量。根据各分量的变化规律构造不同的最小二乘支持向量机模型分别预测,加入果蝇参数优化算法寻找最优的最小二乘支持向量机正则化参数与核函数参数。最后将各分量的预测结果叠加得到最终的预测值。仿真结果表明,经过EMD处理后各个分量突出了原能耗数据的特性,降低了预测的难度;果蝇参数寻优后能得到更加合适的正则化参数与核函数参数,提高了预测的精度。

基于两步分解法和SARIMA的非饱和机场能耗预测

针对非饱和机场能耗时间序列的非线性和非平稳性特点,提出一种基于两步分解法和季节差分自回归滑动平均模型相结合的组合预测法。利用自适应噪声完整集成经验模态分解法和样本熵,将原始能耗时间序列分解为从高频至低频且复杂度不同的分量。再利用变分模态分解法对高频复杂分量再次分解,得到一系列呈现弱非线性且相对平稳的子序列。采用季节差分自回归滑动平均(SARIMA)模型对各子序列进行建模预测,将各子序列预测结果叠加得机场能耗预测值。实验结果表明,该方法可以有效提高非饱和机场能耗的预测精度。

机场能耗的时间序列混合预测方法

为解决单一预测模型精度不高、容易陷入局部最优等问题,提出一种基于时间序列分析方法和支持向量机(SVM)的时间序列混合预测模型,从而提高模型的预测精度,并对时间序列进行改进,得到混沌时间序列模型,分别利用改进后的混沌时间序列模型、SVM模型和时间序列混合预测模型等3种方法进行建模,以天津滨海国际机场近两年的能源消耗情况为例进行仿真实验,并采用统计学方法检验模型的精度和误差。实验结果表明混合时间序列模型的建模精度和预测效果要明显优于单一预测模型。

公共建筑践行运行能耗总量控制的探索:《民用机场航站楼能效评价指南》

为贯彻落实建筑能耗总量控制﹑规范建筑运行能耗管理﹑推进建筑节能全过程管理,中国民用航空局航空器适航审定司于2015年启动编制行业标准《民用机场航站楼能效评价指南》,并于2016年5月1日起实施.该标准也是对国家标准《民用建筑能耗标准》的重要补充,是践行公共建筑领域按运行能耗总量控制推动建筑节能发展的有益探索.介绍了该行业标准的主要内容,包括标准编制思路﹑机场航站楼能耗能效评价指标的约束值和引导值范围﹑对我国机场航站楼总体节能效果的作用.

上海绿色低碳机场建设发展现状及趋势

我国民航已经步入高质量发展阶段,机场作为航空运输系统的重要基础设施,迎来了新的战略发展机遇,推进绿色低碳机场建设,是民航业打赢蓝天保卫战的保障,是促进行业可持续发展和实现交通强国战略的重大举措。立足于推进本市绿色低碳机场发展,通过分析上海机场能耗、碳排放以及大气污染物排放现状与形势,对标国内外机场,对机场绿色低碳发展趋势进行预判,并提出相关的政策建议。