基于时间序列数据挖掘的我国民航运输量预测分析

为了精准预测我国民航运输量,基于1985-2017年我国民航运输量随机时间序列数据,运用自回归单整移动平均模型(ARIMA),借助Eviews8.0统计软件,建立预测模型。利用静态预测功能,实现了2015-2019年的点预测,整体拟合度良好,相对误差小,相对误差位于0.1%-0.9%之间,证明该模型是可行的。结果表明,ARIMA模型能够短期准确预测民航运输量,为航空公司、机场、空管等部门可持续发展提供决策依据。

重大突发公共卫生事件对中国民航运输量的影响度分析

为了科学测量重大突发公共卫生事件对中国民航运输量的影响程度,预测未来中国民航运输量的发展趋势,本文引入重大突发公共卫生事件影响值和影响度的概念,对北京首都国际机场、大连周水子国际机场和中国民航2018—2019年旅客吞吐量、货邮吞吐量等指标进行定量分析,并利用三次指数平滑方法计算出2020年和2021年的预测值,将预测值与实际值之间的差值设定为影响值,将当月影响值和前一个月影响值的比值定义为影响度。结果显示,突发公共卫生事件对民航运输量的影响度约为1.0,2022—2025年中国民航运输量将实现稳步恢复。影响度相关概念和方法的提出为突发事件背景下民航运输量的预测提供了新思路。

民航运输量全面回升 空中力量现代化加速 聚焦亚太航空——一次安静而不平静的航空盛会：2004亚洲航展回眸

今年亚洲航展的突出亮点是反映了亚太地区航空正在迅速反弹，不论是新客机还是新战斗机，亚太地区已经无可争议地成为世界最有活力的竞争市场。随着地区经济和航空运输的复苏，世界各国航空工业制造商都开始在该地区积极寻求新客机和下一代军用飞机的潜在客户。例如，欧洲的EADS公司希望能在下一个五年将它在这个地区的防务业从2003年的10%，推进到20%，进而到2015年达到30%。

基于ARIMA-BP组合模型的民航旅客运输量预测

民航旅客运输量直接影响飞机的采购、机场规模的建设、国家经济的发展等。惟有对中国民航旅客运输量做出较为准确的预测,机场、航空公司及相关企业才能更好地把握行业发展趋势,制定正确的竞争投资战略。运用什么样的方法来分析、准确预测民航旅客运输量是最关心的问题。文中首先详细阐述了ARIMA-BP组合模型的方法及步骤,然后基于民航2005年1月至2013年12月旅客运输量数据作为训练集,建立ARIMA模型和ARIMA-BP组合模型,选取民航2014年1月至2014年12月旅客运输量数据作为检验集,评价模型预测效果。通过仿真实验结果表明,ARIMA-BP模型比ARIMA模型有更好的预测效果。故此模型具有较高的可靠性和实用性,对预测民航旅客运输量有一定导向作用。

跑道入侵与民航客运量的相关性及预防策略

在对相关数据进行整理的基础上,对跑道入侵事件和民航客运量进行相关性分析,得出两者之间的函数关系,并建立了跑道入侵与年份之间的回归关系。结论表明,随着民航旅客运输量的增加,跑道入侵事件呈逐步上升的状态。从强化跑道入侵风险管控、加强跑道入侵监管力度、改进跑道安全监测技术三个方面,提出了对跑道入侵的预防策略。

航路校验功能在生产运行中的应用及算法解析

本文以华北空管局使用的航路校验模块为案例，介绍了航班管制运行单位，为获取正确航路信息而采用的主要手段之一“航路检验功能”，对该功能的业务流程和主要功能做重点描述与分析，阐述了此项功能在当前航空运输发展形势下的重要性与必要性。