| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外大气能见度研究现状 | 第12-13页 |
| 1.2.2 国内大气能见度研究现状 | 第13-15页 |
| 1.2.3 航班准点率研究现状 | 第15-16页 |
| 1.3 论文的主要工作 | 第16-17页 |
| 1.4 论文的结构安排 | 第17-18页 |
| 第2章 资料数据库的构建及研究方法 | 第18-25页 |
| 2.1 观测仪器与资料来源 | 第18页 |
| 2.2 基本研究方法 | 第18-21页 |
| 2.3 非线性回归分析方法研究 | 第21-22页 |
| 2.4 能见度预测等级划分 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 各影响因子对大气能见度的影响 | 第25-37页 |
| 3.1 大气能见度随时间变化特征及相关性分析 | 第25-31页 |
| 3.1.1 大气能见度与其影响因子随时间变化特征 | 第25-29页 |
| 3.1.2 大气能见度与其影响因子相关性分析 | 第29-31页 |
| 3.2 大气能见度的非线性回归分析及拟合 | 第31-35页 |
| 3.2.1 大气能见度与PM_(2.5)和PM_(10)的非线性回归分析 | 第31-33页 |
| 3.2.2 大气能见度与相对湿度的非线性回归分析 | 第33-34页 |
| 3.2.3 大气能见度与相对湿度PM_(2.5)、PM_(10)的多元非线性拟合 | 第34-35页 |
| 3.3 拟合方程对量程外数据求解 | 第35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 基于GA-BP神经网络的低能见度预测模型 | 第37-50页 |
| 4.1 BP神经网络和遗传算法的原理及适用性分析 | 第37-40页 |
| 4.1.1 BP神经网络基本原理 | 第37-39页 |
| 4.1.2 BP神经网络适用性分析 | 第39页 |
| 4.1.3 遗传算法的基本原理 | 第39-40页 |
| 4.2 数据预处理及BP神经网络预测模型设计 | 第40-43页 |
| 4.2.1 预测时间范围设定及数据准备 | 第40页 |
| 4.2.2 BP神经网络预测模型的设计 | 第40-43页 |
| 4.3 GA-BP神经网络模型参数的设置 | 第43-45页 |
| 4.3.1 遗传算法优化BP神经网络模型设计 | 第43-44页 |
| 4.3.2 GA-BP神经网络模型参数设置 | 第44-45页 |
| 4.4 实验结果的验证与分析 | 第45-49页 |
| 4.4.1 预测模型的计算流程 | 第45-46页 |
| 4.4.2 预测结果检验 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 低能见度对航班延误的影响 | 第50-59页 |
| 5.1 正常航班的定义 | 第50-51页 |
| 5.1.1 航班进出港正常性指标 | 第50-51页 |
| 5.1.2 不正常航班原因分析 | 第51页 |
| 5.2 航班动态数据处理及分析 | 第51-56页 |
| 5.2.1 双流机场整体延误率研究 | 第53页 |
| 5.2.2 进出港航班小时平均航班量及延误量分析 | 第53-55页 |
| 5.2.3 不同能见度类别对航班延误率的影响 | 第55-56页 |
| 5.3 不同低能见度条件下的航班延误时间变化规律 | 第56-58页 |
| 5.3.1 低能见度的时间变化规律 | 第56-57页 |
| 5.3.2 不同低能见度范围内的航班延误率分析 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 低能见度条件下的航班延误及恢复预测 | 第59-65页 |
| 6.1 航班延误及恢复预测的数学模型 | 第59-60页 |
| 6.2 个例分析对数学模型求解 | 第60-63页 |
| 6.3 航班恢复预测模型的检验 | 第63-64页 |
| 6.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间取得的学术成果 | 第72-73页 |
| 致谢 | 第73页 |