CN111914217A - 一种机场环境承载力评价与预测方法 - Google Patents
一种机场环境承载力评价与预测方法 Download PDFInfo
- Publication number
- CN111914217A CN111914217A CN202010764775.1A CN202010764775A CN111914217A CN 111914217 A CN111914217 A CN 111914217A CN 202010764775 A CN202010764775 A CN 202010764775A CN 111914217 A CN111914217 A CN 111914217A
- Authority
- CN
- China
- Prior art keywords
- airport
- bearing capacity
- index
- pollutant
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000007477 logistic regression Methods 0.000 claims abstract description 21
- 238000011160 research Methods 0.000 claims abstract description 9
- 239000003344 environmental pollutant Substances 0.000 claims description 63
- 231100000719 pollutant Toxicity 0.000 claims description 62
- 238000004364 calculation method Methods 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 13
- 239000000356 contaminant Substances 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 239000010865 sewage Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008021 deposition Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 239000002910 solid waste Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 abstract description 2
- 238000012417 linear regression Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种机场环境承载力评价与预测方法,包括以下步骤:获取机场环境承载力的评价指标数据;将所述评价指标数据输入至逻辑回归模型;通过逻辑回归模型预测得到机场环境承载力。本发明弥补了机场环境承载力评价和预测技术研究上的空白,可准确评估历史和当前条件下的机场环境承载力状况,并能预测未来一定发展趋势下的机场环境承载力,为机场运行的管理和规划提供有力的参考依据。
Description
技术领域
本发明涉及一种机场环境承载力评价与预测方法,具体涉及机场环境承载力指标体系的构建与机场环境承载力评估的关联方法和机场环境承载力的预测方法。
背景技术
随着民航业的快速发展,机场在给城市带来收益的同时,与环境、社会各利益相关方之间产生了各种问题。在机场快速发展的过程中,场面交通的效率日益下降,机场的环境污染与噪声污染等问题愈发突出,种种现象都在表明机场的发展正在受到多方面的制约,机场的可持续发展逐渐得到关注。
可持续理念的兴起,使得各个研究领域开始对环境要素研究,陆续提出了环境承载力的概念,并开展了对环境承载力的评估研究。目前国内的环境承载力评估研究已经日臻完善,但环境承载力在民航领域的研究尚为空白,在当今中国环境状况不断恶化、民航发展陷入新的瓶颈的形势下,全面且准确的评估机场环境承载力,是确保机场的可持续发展的一项重要措施。
发明内容
针对现有技术的不足,本发明的在于提供一种机场环境承载力评价与预测方法,以解决现有技术中存在的环境承载力在民航领域的评估尚为空白的问题。
为解决上述技术问题,本发明采用的技术方案为:
一种机场环境承载力评价与预测方法,包括以下步骤:
获取机场环境承载力的评价指标数据;
将所述评价指标数据输入至逻辑回归模型;
通过逻辑回归模型预测得到机场环境承载力。
进一步的,所述评价指标数据包括大气环境状况、噪声状况、污水年均排放量、固体废弃物、旅客吞吐量、货邮吞吐量、日均起降架次、高峰小时容量、停车位数、停机位数和土地占用。
进一步的,所述大气环境状况的计算方法为日均起降架次除以机场大气环境承载力;
所述噪声状况指标的计算方法为日均起降架次除以机场噪声承载力;
所述土地占用的计算公式为机场旅客日均吞吐量除以占地面积;
所述机场大气环境承载力的计算方法为:
根据机场大气容量和污染物排放量分别计算不同的污染物对应的机场大气环境承载力;
选择多个污染物对应的机场大气环境承载力中的最小值作为对应机场的机场大气环境承载力。
进一步的,所述机场大气容量的计算公式为:
式中:Qa为机场大气容量,cs为污染物浓度限值标准;S为研究机场范围面积;Vd和Vw分别为航空器污染物的干湿沉积速度;HF为机场混合层高度;Kc为航空器污染物的化学转化速率;VA为研究区域平均风速。
所述污染物排放量的计算方法包括:
以航空器、地面支持设备和地面车辆为排放源,根据LTO循环计算污染物排放量;污染物包括NOx、HC和CO;
单架所述航空器在LTO循环中的污染物排放量为:
式中:Pa为单架航空器LTO阶段污染物a总排放量;m为发动机数量;tj为航空器在LTO第j阶段的运行时间;Fj为航空器在LTO第j阶段的单发燃油流率;Ij为第j阶段污染物排放指数;
单个LTO循环中所述地面支持设备的污染物排放量为:
式中:Ga为单个LTO循环中地面支持设备的污染物a的排放量;J为航空器集合;k为第k种地面支持设备;K为地面支持设备集合;Tk,j为j类航空器所需的k种地面支持设备的运行时间;nj为j类航空器年总起降架次;Ek,a为k种地面支持设备的污染物a的排放因子;
单个LTO循环中所述地面车辆的污染物排放量为:
式中:Ea为单个LTO循环中地面车辆对应的污染物a的排放量;Pi为进出机场的交通量;EFia为i类车辆行驶单位距离对应的污染物a排放量;VKTi为i类车辆在机场范围内的行驶距离。
进一步的,不同的污染物对应的机场大气环境承载力计算公式为:
式中:ECa为机场对于污染物a的机场大气环境承载力;Qa为机场大气容量;λk为第k种机型占机场所有机型的比例;Pka为第k种机型在单个LTO循环中排放污染物a的量;Ga为单个LTO循环中地面支持设备的污染物a的排放量;Ea为单个LTO循环中地面车辆对应的污染物a的排放量。
进一步的,所述机场噪声承载力的计算公式为:
式中:NEC为日均交通噪声环境承载力,即机场噪声承载力;NC为我国噪声控制标准中的各类标准;LWECPN为各敏感点噪声级;S为日平均交通流,即日均起降架次;
所述各敏感点噪声级以一天内的计权等效连续感觉噪声级作为评价量,各敏感点噪声级的计算公式如下:
所述有效感觉噪声级的平均值的计算公式如下:
进一步的,所述逻辑回归模型的训练方法包括:
获取多个历史年份机场环境承载力的评价指标数据;
根据评价指标数据评估各历史年份的机场环境承载力;
根据多个历史年份的评价指标数据和对应的机场环境承载力训练逻辑回归模型。
进一步的,所述机场环境承载力的评估方法包括
对所述评价指标数据进行标准化处理;
根据标准化处理后的评价指标数据计算评价指标的权重;
根据所述评价指标的权重构造机场环境承载力分析矩阵;
根据所述机场环境承载力分析矩阵建立正负理想解矩阵,所述正负理想解矩阵包括正理想解和负理想解;
计算各评价指标数据到正理想解和负理想解的距离;
根据所述距离计算机场环境承载力与理想解的贴近度,用贴近度表示机场环境承载力的大小。
进一步的,所述标准化处理的计算公式包括:
对收益型指标进行标准化处理的计算公式为:
对于成本型指标进行标准化处理的计算公式为:
其中,rij为指标的标准化值,vij为指标的原始值,i为评价指标数,j为评价年份数;max(vij)为指标原始值中最大值,min(vij)为指标原始值中最小值;
所述权重的计算公式为:
式中:ωi为指标i的权重,m为评价指标总数;i为指标个数;Hi为信息熵;fij为指标的特征权重,rij为指标的标准化值。
进一步的,所述机场环境承载力分析矩阵为:
Y=|yij|m×n=|ωi×rij|m×n,
即
其中,Y机场环境承载力分析矩阵;yij为加权规范值;ωi为指标i的权重;rij为指标的标准化值;ymn为矩阵Y中第m行第n列的加权规范值;
所述正理想解为;
其中,Y+为评价指标数据中第i个指标j年内的最大值,即正理想解;ym +为所有年份中第m个指标的最大值;
所述负理想解为;
其中,Y-为评价指标数据中第i个指标j年内的最小值,即负理想解;ym -为所有年份中第m个指标最小值;
所述评价指标数据到正理想解的距离为:
所述评价指标数据到负理想解的距离为:
所述贴近度的计算公式为:
式中:Dj +为评价指标数据到正理想解的距离;Dj -为评价指标数据到负理想解的距离;yi +为所有年份中第i个指标的最大值;yi -为所有年份中第i个指标的最小值;Tj为第j年机场环境承载力接近最优的程度,称为贴近度。
与现有技术相比,本发明所达到的有益效果是:
(1)本发明采用逻辑回归模型,根据机场评价指标数据进行线性回归预测,将数据输入逻辑回归模型,预测未来机场环境承载力水平,弥补了机场环境承载力评价和预测技术研究上的空白,可准确评估历史和当前条件下的机场环境承载力状况,并能预测未来一定发展趋势下的机场环境承载力,为机场运行的管理和规划提供有力的参考依据;
(2)本发明在获取和计算机场评价指标数据的基础上,构建机场环境承载力分析矩阵,利用机场环境承载力分析矩阵建立正负理想解矩阵,根据正负理想解矩阵计算环境承载力与正负理想解的贴近度,用贴近度表示机场环境承载力的大小,通过多个历史年份的机场评价指标数据和对应的机场环境承载力训练逻辑回归模型,并采用逻辑回归模型预测未来机场环境承载力,从而对机场可持续发展提供可行性建议。
附图说明
图1为本发明的流程图;
图2为机场环境承载力评估流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1、图2所示,一种机场环境承载力评价与预测方法,包括以下步骤:
获取机场环境承载力的评价指标数据;
将所述评价指标数据输入至逻辑回归模型;
通过逻辑回归模型预测得到机场环境承载力。
参考已有的机场可持续发展评价指标集、环境承载力评价指标集,根据机场特性,从环境、经济、社会三个维度出发,设立大气环境状况、噪声状况、污水年均排放量、固体废弃物、旅客吞吐量、货邮吞吐量、日均起降架次、高峰小时容量、停车位数、停机位数、土地占用情况11个评价指标。
其中,大气环境状况、噪声状况、土地占用情况指标数据需要根据计算获取,其余8个指标数据直接收集获取。
大气环境状况的计算公式为日均起降架次除以机场大气环境承载力。
此指标将机场大气环境污染情况转化为日均起降架次与机场大气环境承载力之比,由日均起降架次代表机场每日运行中产生的污染物量,其占机场大气环境承载力的比值即为该机场大气状况与机场大气环境承载力阈值的比。日均起降架次可直接获得,只需计算机场大气环境承载力;
机场大气环境承载力的计算方法为:
根据机场大气容量和污染物排放量分别计算不同的污染物对应的机场大气环境承载力;
选择多个污染物对应的机场大气环境承载力中的最小值作为对应机场的机场大气环境承载力。
机场大气容量Qa的计算公式为:
式中:cs为污染物浓度限值标准;S为研究机场范围面积;Vd和Vw分别为航空器污染物的干湿沉积速度;HF为机场混合层高度;Kc为航空器污染物的化学转化速率;VA为研究区域平均风速。
污染物排放量的计算方法包括:
ICAO Doc9889中规定机场需要管控排放量的主要污染物是NOx、HC和CO,选取这三种污染物作为评估对象。考虑的排放源包括航空器、为航空器提供支持的地面支持设备和地面车辆。此指标计算污染物排放量时使用日均起降架次,即日均起飞着陆(landing andtake-off,LTO)循环次数的两倍,代表机场现有大气状况。其原理为:机场中航空器的活动可以用LTO循环次数描述。
航空器排放主要来自于LTO循环阶段。根据ICAO关于标准LTO循环的规定,一个理想的LTO循环可以划分为4个阶段,分别是:进近、滑行、起飞和爬升,单架航空器在LTO循环中的污染物排放(Pa)可表示为:
式中:Pa为单架航空器LTO阶段污染物a总排放量,m为发动机数量;tj为航空器在LTO第j阶段的运行时间;Fj为航空器在LTO第j阶段的单发燃油流率;Ij为第j阶段污染物排放指数。
单个LTO循环中地面支持设备的污染物排放(Ga)可表示为:
式中:Ga为单个LTO循环中地面支持设备的污染物a的排放量;j为第j类航空器;J为航空器集合;k为第k种地面支持设备;K为地面支持设备集合;Tk,j为j类航空器所需的k种地面支持设备的运行时间;nj为j类航空器年总起降架次;Ek,a为k种地面支持设备的污染物a的排放因子。
地面车辆的排放仅计算与机场旅客接送有关的车辆。根据国家环境保护部2014年发布的《道路机动车大气污染物排放清单编制技术指南》,单个LTO循环中地面车辆排放的计算具体公式如下:
式中:Ea为单个LTO循环中地面车辆对应的污染物a的排放量,单位为t;Pi为进出机场的交通量,单位为辆;EFia为i类车辆行驶单位距离对应的污染物a排放量,单位为g/km;VKTi为i类车辆在机场范围内的行驶距离,单位为km/辆。
由此可得不同的污染物对应的机场大气环境承载力(ECa)的计算公式为:
式中:ECa为该机场对于污染物a的机场大气环境承载力;Qa为机场大气环境容量;λk为第k种机型占机场所有机型的比例;Pka为第k种机型在单个LTO循环中排放污染物a的量;Ga为单个LTO循环中地面支持设备的污染物a的排放量;Ea为单个LTO循环中地面车辆对应的污染物a的排放量。在分别计算得到三种大气污染物的机场环境承载力后,取最小值作为该机场大气环境承载力。
噪声状况指标的计算公式为:日均起降架次除以机场噪声承载力。同大气环境状况指标,此指标用日均起降架次代表现有噪声状况,具体原理如下:
机场噪声承载力,即日均交通噪声环境承载力NEC,其计算公式为:
式中:NC为我国噪声控制标准中的各类标准;LWECPN为各敏感点噪声级;S为日平均交通流,即日均起降架次。
各敏感点噪声级采用一天内的计权等效连续感觉噪声级作为评价量,即LWECPN,该评价量计算公式如下:
式中:为一天内所有飞行次数的有效感觉噪声级的平均值,单位为dB;N1为日间(07:00-19:00)飞行架次,N2为晚间(19:00-22:00)飞行架次,N3为夜间(22:00-07:00)飞行架次,这三个值均取全年平均值。其中:
式中:T0表示基准时间;LTPN(t)表示t时刻的有效感觉噪声级;T0=10s,表示平均每次飞行的噪声能量。其中,平均每次飞行的噪声能量可以通过噪声-功率-距离(Noise Power Distance,NPD)数据库获得。
土地占用情况指标的计算公式为机场旅客日均吞吐量除以占地面积。此指标反映机场在运行过程中提供服务的能力。
逻辑回归模型的训练方法包括:
获取多个历史年份机场环境承载力的评价指标数据;
根据评价指标数据评估各历史年份的机场环境承载力;
根据多个历史年份的评价指标数据和对应的机场环境承载力训练逻辑回归模型。
所述机场环境承载力的评估方法包括
对所述评价指标数据进行标准化处理;
根据标准化处理后的评价指标数据计算评价指标的权重;
根据所述评价指标的权重构造机场环境承载力分析矩阵;
根据所述机场环境承载力分析矩阵建立正负理想解矩阵,所述正负理想解矩阵包括正理想解和负理想解;
计算各评价指标数据到正理想解和负理想解的距离;
根据所述距离计算机场环境承载力与理想解的贴近度,用贴近度表示机场环境承载力的大小。
对收集的评价指标数据标准化处理,统一指标量纲;对收益型指标,即值越大结果越好的正指标,如高峰小时容量,采用式(9)进行标准化处理;对于成本型指标,即值越小结果越好的负指标,如污水年均排放量,采用式(10)进行标准化处理。
其中,rij为指标的标准化值,vij为指标的原始值,i为评价指标数,j为评价年份数。max(vij)为指标原始值中最大值,min(vij)为指标原始值中最小值。
根据熵值法确定指标权重,构造机场环境承载力分析矩阵,指标权重计算公式为:
式中:ωi为指标i的权重,m为评价指标总数;i为指标个数;Hi为信息熵,系统越有序,熵值越低,反之则越高;fij为指标的特征权重;rij为指标的标准化值。
机场环境承载力分析矩阵如式(14):
Y=|yij|m×n=|ωi×rij|m×n
即
其中,Y机场环境承载力分析矩阵;yij为加权规范值;ωi为指标i的权重;rij为指标的标准化值;
使用TOPSIS法计算机场环境承载力与正、负理想解靠近或偏离的程度,建立正负理想解矩阵,设Y+等于评价指标数据中第i个指标j年内的最大值,即正理想解,其计算公式如式(15);设Y-等于评价指标数据中第i个指标j年内的最小值,即负理想解,其计算公式如式(16)所示:
其中,ym +为所有年份中第m个指标的最大值;ym -为所有年份中第m个指标的最小值;
计算机场环境承载力评价指标体系中各个指标到正、负理想解的距离,公式为:
用贴近度表示机场环境承载力的大小,贴近度的计算公式为:
式中:Dj +为评价指标数据到正理想解的距离;Dj -为评价指标数据到负理想解的距离;yi +为所有年份中第i个指标的最大值;yi -为所有年份中第i个指标的最小值;Tj为第j年机场环境承载力接近最优的程度,称为贴近度。Tj值的范围为[0,1],贴近度越大,理论上该年机场环境承载力越接近最优。
本发明采用R语言实现逻辑回归模型,训练已知年份的数据,并将预测值与实际值对比,验证该模型的有效性:对未知年份的评价指标数据进行线性回归预测,将数据输入逻辑回归模型,预测未来机场环境承载力水平。
本发明在获取和计算评价指标数据的基础上,构建机场环境承载力评价指标体系,利用熵权TOPSIS法计算机场环境承载力与正负理想解的贴近度,采用逻辑回归模型预测未来机场环境承载力,从而对机场可持续发展提供可行性建议。
以上所述仅为本发明的理想实施例,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种机场环境承载力评价与预测方法,其特征在于,包括以下步骤:
获取机场环境承载力的评价指标数据;
将所述评价指标数据输入至逻辑回归模型;
通过逻辑回归模型预测得到机场环境承载力。
2.根据权利要求1所述的一种机场环境承载力评价与预测方法,其特征在于,所述评价指标数据包括大气环境状况、噪声状况、污水年均排放量、固体废弃物、旅客吞吐量、货邮吞吐量、日均起降架次、高峰小时容量、停车位数、停机位数和土地占用。
3.根据权利要求2所述的一种机场环境承载力评价与预测方法,其特征在于,所述大气环境状况的计算方法为日均起降架次除以机场大气环境承载力;
所述噪声状况指标的计算方法为日均起降架次除以机场噪声承载力;
所述土地占用的计算公式为机场旅客日均吞吐量除以占地面积;
所述机场大气环境承载力的计算方法为:
根据机场大气容量和污染物排放量分别计算不同的污染物对应的机场大气环境承载力;
选择多个污染物对应的机场大气环境承载力中的最小值作为对应机场的机场大气环境承载力。
4.根据权利要求3所述的一种机场环境承载力评价与预测方法,其特征在于,所述机场大气容量的计算公式为:
式中:Qa为机场大气容量,cs为污染物浓度限值标准;S为研究机场范围面积;Vd和Vw分别为航空器污染物的干湿沉积速度;HF为机场混合层高度;Kc为航空器污染物的化学转化速率;VA为研究区域平均风速;
所述污染物排放量的计算方法包括:
以航空器、地面支持设备和地面车辆为排放源,根据LTO循环计算污染物排放量;污染物包括NOx、HC和CO;
单架所述航空器在LTO循环中的污染物排放量为:
式中:Pa为单架航空器LTO阶段污染物a总排放量;m为发动机数量;tj为航空器在LTO第j阶段的运行时间;Fj为航空器在LTO第j阶段的单发燃油流率;Ij为第j阶段污染物排放指数;
单个LTO循环中所述地面支持设备的污染物排放量为:
式中:Ga为单个LTO循环中地面支持设备的污染物a的排放量;J为航空器集合;k为第k种地面支持设备;K为地面支持设备集合;Tk,j为j类航空器所需的k种地面支持设备的运行时间;nj为j类航空器年总起降架次;Ek,a为k种地面支持设备的污染物a的排放因子;
单个LTO循环中所述地面车辆的污染物排放量为:
式中:Ea为单个LTO循环中地面车辆对应的污染物a的排放量;Pi为进出机场的交通量;EFia为i类车辆行驶单位距离对应的污染物a排放量;VKTi为i类车辆在机场范围内的行驶距离。
6.根据权利要求3所述的一种机场环境承载力评价与预测方法,其特征在于,所述机场噪声承载力的计算公式为:
式中:NEC为日均交通噪声环境承载力,即机场噪声承载力;NC为我国噪声控制标准中的各类标准;LWECPN为各敏感点噪声级;S为日平均交通流,即日均起降架次;
所述各敏感点噪声级以一天内的计权等效连续感觉噪声级作为评价量,各敏感点噪声级的计算公式如下:
所述有效感觉噪声级的平均值的计算公式如下:
7.根据权利要求1所述的一种机场环境承载力评价与预测方法,其特征在于,所述逻辑回归模型的训练方法包括:
获取多个历史年份机场环境承载力的评价指标数据;
根据评价指标数据评估各历史年份的机场环境承载力;
根据多个历史年份的评价指标数据和对应的机场环境承载力训练逻辑回归模型。
8.根据权利要求7所述的一种机场环境承载力评价与预测方法,其特征在于,所述机场环境承载力的评估方法包括
对所述评价指标数据进行标准化处理;
根据标准化处理后的评价指标数据计算评价指标的权重;
根据所述评价指标的权重构造机场环境承载力分析矩阵;
根据所述机场环境承载力分析矩阵建立正负理想解矩阵,所述正负理想解矩阵包括正理想解和负理想解;
计算各评价指标数据到正理想解和负理想解的距离;
根据所述距离计算机场环境承载力与理想解的贴近度,用贴近度表示机场环境承载力的大小。
10.根据权利要求8所述的一种机场环境承载力评价与预测方法,其特征在于,所述机场环境承载力分析矩阵为:
Y=|yij|m×n=|ωi×rij|m×n,
即
其中,Y机场环境承载力分析矩阵;yij为加权规范值;ωi为指标i的权重;rij为指标的标准化值;ymn为矩阵Y中第m行第n列的加权规范值;
所述正理想解为;
其中,Y+为评价指标数据中第i个指标j年内的最大值,即正理想解;ym +为所有年份中第m个指标的最大值;
所述负理想解为;
其中,Y-为评价指标数据中第i个指标j年内的最小值,即负理想解;ym -为所有年份中第m个指标最小值;
所述评价指标数据到正理想解的距离为:
所述评价指标数据到负理想解的距离为:
所述贴近度的计算公式为:
式中:Dj +为评价指标数据到正理想解的距离;Dj -为评价指标数据到负理想解的距离;yi +为所有年份中第i个指标的最大值;yi -为所有年份中第i个指标的最小值;Tj为第j年机场环境承载力接近最优的程度,称为贴近度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010764775.1A CN111914217A (zh) | 2020-07-31 | 2020-07-31 | 一种机场环境承载力评价与预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010764775.1A CN111914217A (zh) | 2020-07-31 | 2020-07-31 | 一种机场环境承载力评价与预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111914217A true CN111914217A (zh) | 2020-11-10 |
Family
ID=73287813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010764775.1A Pending CN111914217A (zh) | 2020-07-31 | 2020-07-31 | 一种机场环境承载力评价与预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111914217A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114049024A (zh) * | 2021-11-18 | 2022-02-15 | 中国民航大学 | 一种机场停机位推出控制与评价方法 |
CN114862062A (zh) * | 2022-06-30 | 2022-08-05 | 深圳市信润富联数字科技有限公司 | 环境承载力的预警方法、装置、电子设备和可读存储介质 |
CN115238531A (zh) * | 2022-09-23 | 2022-10-25 | 南京航空航天大学 | 一种基于多情景的机场环境承载力预测方法 |
CN117236796A (zh) * | 2023-11-13 | 2023-12-15 | 天津市城市规划设计研究总院有限公司 | 一种基于cs-topsis算法的医院后勤运维评价方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750950A (zh) * | 2013-01-18 | 2015-07-01 | 南京航空航天大学 | 一种基于多层次状态分类的机场终端区利用率评价方法 |
CN109146290A (zh) * | 2018-08-22 | 2019-01-04 | 南京航空航天大学 | 一种针对大气环境影响的机场停机位优先级分析方法及系统 |
-
2020
- 2020-07-31 CN CN202010764775.1A patent/CN111914217A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750950A (zh) * | 2013-01-18 | 2015-07-01 | 南京航空航天大学 | 一种基于多层次状态分类的机场终端区利用率评价方法 |
CN109146290A (zh) * | 2018-08-22 | 2019-01-04 | 南京航空航天大学 | 一种针对大气环境影响的机场停机位优先级分析方法及系统 |
Non-Patent Citations (4)
Title |
---|
王湛 等: "基于污染物排放的机场环境承载力与容量研究", 《环境保护科学》 * |
靳辉 等: "《环境优化经济发展路径探析》", 31 December 2017, 中国环境出版集团 * |
高垒: "机场空中交通环境承载力评估方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技II辑(月刊)》 * |
龚永丽 等: "基于Logistic回归的城市资源环境承载力预测研究——以武汉市为例", 《电子测量技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114049024A (zh) * | 2021-11-18 | 2022-02-15 | 中国民航大学 | 一种机场停机位推出控制与评价方法 |
CN114862062A (zh) * | 2022-06-30 | 2022-08-05 | 深圳市信润富联数字科技有限公司 | 环境承载力的预警方法、装置、电子设备和可读存储介质 |
CN115238531A (zh) * | 2022-09-23 | 2022-10-25 | 南京航空航天大学 | 一种基于多情景的机场环境承载力预测方法 |
CN115238531B (zh) * | 2022-09-23 | 2022-12-30 | 南京航空航天大学 | 一种基于多情景的机场环境承载力预测方法 |
CN117236796A (zh) * | 2023-11-13 | 2023-12-15 | 天津市城市规划设计研究总院有限公司 | 一种基于cs-topsis算法的医院后勤运维评价方法及系统 |
CN117236796B (zh) * | 2023-11-13 | 2024-02-02 | 天津市城市规划设计研究总院有限公司 | 一种基于cs-topsis算法的医院后勤运维评价方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111914217A (zh) | 一种机场环境承载力评价与预测方法 | |
WO2021212866A1 (zh) | 一种车辆出行量预测模型构建方法及预测方法和系统 | |
WO2018214675A1 (zh) | 一种量化分析城市建成环境对道路行程时间影响的方法 | |
CN105825310A (zh) | 基于信息熵的出租车寻客路线推荐方法 | |
CN108765235A (zh) | 基于交通事故案例解构的自动驾驶车辆测试场景构建方法和测试方法 | |
CN112437876A (zh) | 一种提高大气污染物监测数据客观性的方法及系统 | |
CN106023655B (zh) | 一种扇区空中交通拥堵状态监测方法 | |
CN102136190A (zh) | 城市公交客运事件应急响应调度管理系统及方法 | |
Li et al. | Public bus arrival time prediction based on traffic information management system | |
CN105869402B (zh) | 基于多类型浮动车数据的高速公路路段速度修正方法 | |
CN107292417A (zh) | 基于重污染序列案例库的区域重污染判别预报方法及装置 | |
CN111582738A (zh) | 一种区域机场群的航空客流需求预测方法 | |
CN114187766B (zh) | 一种基于饱和率的道路服务水平评价方法 | |
CN112562377A (zh) | 一种基于随机机会约束的客运车辆实时调度方法 | |
Wei et al. | Door-to-door travel time comparative assessment for conventional transportation methods and short takeoff and landing on demand mobility concepts | |
Shang et al. | Analyzing the effects of road type and rainy weather on fuel consumption and emissions: A mesoscopic model based on big traffic data | |
CN116597642A (zh) | 一种交通拥堵状况的预测方法及系统 | |
CN111127882A (zh) | 一种基于大数据的旅游景区停车场来车数量预测方法 | |
CN109190948B (zh) | 一种大型航空枢纽运行与城市交通拥堵的关联分析方法 | |
CN113642241A (zh) | 一种基于交通运行状态的路网细颗粒物研究方法 | |
CN111175852B (zh) | 一种基于长短时记忆算法的机场大雾预报预警方法 | |
CN116092037B (zh) | 融合轨迹空间-语义特征的车辆类型识别方法 | |
CN112114088A (zh) | 一种交通领域温室气体排放监控计量方法及系统 | |
CN115394083A (zh) | 一种基于深度学习的高速公路交通拥堵预测方法 | |
Postorino | Environmental Effects of Airports Nodes: A Methodological Approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201110 |