随着我国航空运输的日益繁忙,如何合理利用现有资源、满足流量增长的迫切需求,是当前中国民航事业面临的一个重要课题。本文对空中交通流量管理中数据仓库和数据挖掘技术进行了研究,在以下几个方面取得了一定成果: 数据仓库建模技术研究:本文在总结以往数据库和数据仓库的系统建模与系统设计开发方法的基础上,针对传统三阶段建模方法的不足:没有很好地反映数据仓库面向主题的特性,没有很好地体现数据仓库元数据模型,提出了用四阶段规范化模型描述的集成化建模方法,即概念模型设计、逻辑模型设计、对象模型设计和物理模型设计四个阶段,作为对传统三阶段建模方法的补充和改进。 空中交通流量数据仓库具体实现技术研究:以数据仓库建模方法为指导,设计了空中交通流量数据仓库的四阶段模型,并进行了实际应用开发。数据仓库由四个模块组成:数据模型管理模块,开发了基于XML的数据仓库建模工具;数据转换模块,以飞行电报数据加载为重点,提出了一种基于Java的异构数据转换方案;数据仓库核心模块,建立了数据缓冲区、数据仓库核心存储区和数据仓库数据管理3个组件;数据展现模块,以图形化界面为终端用户展现了数据仓库中的综合数据。通过性能分析表明,空中交通流量数据仓库系统在综合数据查询上比原有的数据库系统具备更好的性能。 空中交通流量预测技术研究:本文采用数据挖掘技术分析数据仓库事实表中存储的大量流量统计数据,建立了基于回归分析和神经网络的流量预测模型,主要用来探讨以天为单位的中期流量预测问题。在综合回归预测方法和BP神经网络预测方法优点的基础上,提出采用组合方法提高神经网络预测精度、改善神经网络泛化性能的思想,并基于多元线性回归模型确定组合方法的权重系数。对北京管制区大王庄导航台的流量预测表明,组合方法不仅保留了BP神经网络的优点,而且进一步提高了神经网络的稳定性和减小了神经网络的预测误差,总体性能优于原有的BP神经网络模型和回归模型,对空中交通流量的预测,提供了一种可靠而有效的新方法。