基于扇区数据分析的管制员工作负荷评估研究
摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第11-18页 |
1.1 选题背景和意义 | 第11-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.2.1 国外研究现状 | 第13-14页 |
1.2.2 国内研究现状 | 第14-15页 |
1.3 主要研究内容与章节安排 | 第15-18页 |
1.3.1 主要研究内容 | 第15-17页 |
1.3.2 章节安排 | 第17-18页 |
第二章 管制员工作负荷评估研究基础 | 第18-26页 |
2.1 管制员工作负荷概念 | 第18页 |
2.2 已有管制员工作负荷评估方法概述 | 第18-25页 |
2.2.1 基于生理和行为的负荷评估 | 第19页 |
2.2.2 基于观察和问卷的负荷评估 | 第19-22页 |
2.2.3 基于交通复杂性因素的负荷评估 | 第22-25页 |
2.3 本章小结 | 第25-26页 |
第三章 管制扇区复杂性指标数据获取方法 | 第26-37页 |
3.1 管制扇区复杂性简述 | 第26页 |
3.2 扇区复杂性指标选取 | 第26-30页 |
3.3 基于管制模拟实验的扇区复杂性指标数据获取 | 第30-36页 |
3.3.1 管制模拟仿真实验设计 | 第30-36页 |
3.3.1.1 模拟仿真实验平台 | 第31页 |
3.3.1.2 模拟仿真空域环境 | 第31-32页 |
3.3.1.3 实验场景设计 | 第32-35页 |
3.3.1.4 扇区复杂性指标数据获取 | 第35-36页 |
3.4 本章小结 | 第36-37页 |
第四章 管制员工作负荷评估模型建立与分析 | 第37-56页 |
4.1 概述 | 第37页 |
4.2 扇区复杂性指标值与自评估值关系 | 第37-38页 |
4.3 神经网络算法建模 | 第38-46页 |
4.3.1 神经网络算法简介 | 第38-39页 |
4.3.2 BP神经网络建模 | 第39-44页 |
4.3.3 BP神经网络算法计算机实现 | 第44-46页 |
4.4 基于FA与PCA的BP神经网络算法建模 | 第46-51页 |
4.4.1 主成分分析与因子分析法简介 | 第46-47页 |
4.4.2 基于主成分分析与因子分析法的线性建模 | 第47-51页 |
4.5 线性建模 | 第51-55页 |
4.5.1 线性回归方法建模 | 第52-54页 |
4.5.2 回归模型评估结果分析 | 第54-55页 |
4.6 本章小结 | 第55-56页 |
第五章 总结与展望 | 第56-58页 |
5.1 论文主要成果 | 第56页 |
5.2 研究工作展望 | 第56-58页 |
参考文献 | 第58-62页 |
致谢 | 第62-63页 |
在学期间的研究成果及发表的学术论文 | 第63-64页 |
附录一 | 第64-67页 |
附录二 | 第67页 |