公共文化服务平台

李雪艳: 作品数：13 被引量：38H指数：3; 供职机构：中国民航大学理学院更多>>; 发文基金：中央高校基本科研业务费专项资金中国民航大学科研基金中国民航飞行学院科研基金更多>>; 相关领域：理学航空宇航科学技术文化科学环境科学与工程更多>>

合作作者

从老师和学生角度探讨"随机过程"双语教学前期准备: 2020年; "随机过程"是统计学专业的一门专业必修课,开展双语教学是培养高水平统计专业人才的必然之举.我们分别从老师和学生角度探讨随机过程双语教学需要的一些条件与要求.并针对性的提出满足这些条件要做的有效措施.; 杨正全李雪艳; 关键词：双语教学统计学

半参数测量误差模型的岭估计被引量：1: 2016年; 本文主要讨论了半参数测量误差模型当线性部分的协变量存在共线性时的估计问题,基于校正profile最小二乘法构造了参数分量的岭估计,并在约束条件下构造了参数分量的约束岭估计。; 李静李雪艳; 关键词：最小二乘估计

基于景气指数的中国民航运输业分析被引量：3: 2012年; 在中国民航运输业的快速发展过程中,需要对整个民航运输发展状况进行统计分析,以确定民航运输业的发展阶段。为了满足发展的需要,提出了使用民航运输的扩散指数和综合指数,以反映市场的波动。并且根据近年来的有关统计数据,计算了民航运输的扩散指数和综合指数,对民航运输市场的繁荣程度进行了定性和定量的评价,为民航运输业的决策者提供理论依据。; 关静李雪艳

特征函数的一种新解释及其应用被引量：9: 2008年; 在基于傅立叶变换物理意义的特征函数直观解释的基础上,提出了特征函数的一种基于坐标分解的新解释.首先分别给出了离散型和连续型随机变量的特征函数和概率(密度)函数的新解释.然后利用这种新解释来求随机变量的分布函数.最后得出,这种新解释能加深对特征函数的理解,而且能使特征函数相关的求解问题化繁为简.; 周茂袁王秀丽李雪艳; 关键词：特征函数分布函数

基于R软件“概率论与数理统计”课程的教学改革初探被引量：1: 2022年; 本文主要介绍R软件在“概率论与数理统计”课程教学中的使用,用以提高学生的学习兴趣,使学生对该课程的知识有更深刻的认识,最终提高学生的数据分析能力。; 李静李雪艳魏传华; 关键词：概率论与数理统计 R软件数据分析

数智化时代行业特色型统计学专业建设研究与实践: 2024年; 为适应数智化时代国家发展战略及行业规划对统计人才的新需求,中国民航大学统计学专业修订新的人才培养方案,构建具有民航特色和大数据技术优势的统计学专业教育模式,优化专业课程体系、加强师资队伍建设、突出数据挖掘和人工智能的先进教学理念,对培养学生运用现代数据科学方法的实践和创新能力,拓宽就业渠道有重要的理论和现实意义。; 张春晓孙芳李雪艳; 关键词：统计学

A-拓扑以及A-拓扑空间的相关性质: 2006年; 设E是一个A rch im edean R iesz空间,a∈E,Φ≠A E,则有如下的两个结论:1)由a生成的a-拓扑空间E是一个H ausdorff空间;2)若以下条件之一成立,则由A生成的A-拓扑空间E是一个H ausdorff空间:(a)子集{a:a∈A}有上界;(b)E具有强单位元;(c)若E=C(X),其中X是一个局部紧H ausdorff空间.; 张翠杰党爱军李雪艳

基于ARIMA与LS-SVM组合模型的飞行事故征候预测被引量：8: 2017年; 应用差分自回归移动平均模型(ARIMA)和最小二乘支持向量机(LS-SVM)的组合模型,对某航空公司的月度事故征候万时率进行了预测分析。对2008—2016年某航空公司的事故征候、飞行小时、航空器数量等历史数据建立ARIMA模型,应用SPSS软件进行模型拟合,获得事故征候万时率的线性部分;随后利用LS-SVM分析ARIMA模型的残差,获取非线性部分,最终通过二者之和获得ARIMA+LSSVM组合模型。对2017年1—3月的月度事故征候万时率进行了预测,并用实际数据验证。结果表明:ARIMA(1,1,1)(1,1,1)12模型较好地拟合了事故征候万时率的历史序列,LS-SVM模型对残差的拟合获得了较好的精度;组合模型的短期(3个月)预测值与航空公司事故征候万时率的趋势完全一致,且预测精确度可接受。; 梁文娟李雪艳; 关键词：安全工程支持向量机事故征候民航

部分线性可加模型的随机约束岭估计: 2022年; 本文研究了部分线性可加模型这类半参数模型在线性部分自变量存在多重共线性,同时还附加有随机约束条件时的估计问题。基于针对半参数模型的Profile最小二乘技术,处理多重共线性问题的岭估计方法以及针对随机约束的混合估计技术,构造了参数分量的随机约束岭估计,给出了估计量的偏与协方差,并给出了所提估计量的渐近性质。最后通过数值模拟验证了所提估计方法的表现。; 李静李雪艳安佰玲; 关键词：岭估计

基于ARIMA、LS-SVM和BP神经网络组合模型的航空运输飞行事故征候预测被引量：15: 2018年; 应用差分自回归移动平均模型(ARIMA)、最小二乘支持向量机模型(LS-SVM)和BP神经网络模型(BPNN)的组合模型,对某航空公司运输的月度飞行事故征候万时率进行预测分析。首先,利用2008—2016年某航空公司的事故征候、飞行小时、航空器数量、原油价格等历史数据建立ARIMA模型,应用SPSS软件进行模型拟合,获取飞行事故征候万时率的线性部分;然后,利用LS-SVM和BP神经网络建模,获取飞行事故征候万时率的非线性部分;最后,利用DS证据理论,实现三者的融合,获得ARIMA+LS-SVM+BPNN组合模型,利用组合模型对2017年1至3月该航空公司的月度飞行事故征候万时率进行预测,并用实际数据进行了验证。结果表明:组合模型较好地拟合了飞行事故征候万时率的历史序列,并获得了较高的预测精度;组合模型的短期(3个月)预测值与该航空公司飞行事故征候万时率的变化趋势完全一致,且预测精确度可接受。该研究可为航空公司安全与运行的趋势分析与判断提供数据依据,也可为航空公司制定针对性的飞行事故征候防控方案提供帮助。; 梁文娟李雪艳; 关键词：BP神经网络模型航空安全