数据结构课程设计，航班管理系统，适合新手

＃转到RAW以获得更好的视图 机器学习项目 伦敦希思罗机场预测的航班延误为了对机器进行培训，您需要使用FlightRadar24_scrapper构建数据集（至少2-3周的数据）。 数据准备工作是在抓取器中执行的，但是数据清理和功能工程则在机器学习文件中进行。 爬虫可能有重复的值，这些值已在机器学习脚本中删除。 示例数据集包含在用于训练模型和验证模型的存储库中。 用于刮板的版本： jupyter核心：4.6.3 jupyter笔记本：6.1.1 qtconsole：4.7.7 ipython的：7.18.1 ipykernel：5.3.4 jupyter客户：6.1.6 jupyter实验室：2.2.6 nbconvert：6.0.6 ipywidgets：7.5.1 nbformat：5.0.7 特质：4.3.3 的Python：3.8.5 熊猫：1.1.1

（美国2018航班数据集） 由（伊斯兰·萨德） 数据集 使用《美国航班2018年数据集》-来源： : 您可以在Google云端硬盘链接中找到它： : 此数据集包含720万条记录和28列。由于数据集庞大，我们将选择数据集变量的10％的子集（随机样本）变量说明： 1 DATE 2 DepTime实际起飞时间（本地，hhmm）3 CRSDepTime预定起飞时间（本地，hhmm）4 ArrTime实际到达时间（本地，hhmm）5 CRSArrTime预定到达时间（本地，hhmm）6 UniqueCarrier唯一的承运人代码7 FlightNum航班数字8尾巴飞机尾巴数字9实际经过时间（以分钟为单位）10 CRSElapsedTime（以分钟为单位）11空中时间（以分钟为单位）12 ArrDelay到达延迟，以分钟为单位13 DepDelay出发延迟，以分钟为单位14始发地IATA机场代码

论文研究-基于列生成法的不正常航班调度.pdf,  不正常航班调度是一个非常复杂的实时网络优化问题, 属于NP难问题.同时考虑由飞机资源短缺和机场关闭造成的航班不正常情况,采用时空网络技术为每架飞机构建恢复 网络,在此基础上将该问题视为带有容量约束的多个商品的整数最小费用流问题,建立了多商品网络流数学模型.采用列生成算法求解该大规模整数规划问题,对于求得的非整数解采用分 支定界法进行处理.最后,给出的算例验证了该方法的正确性和有效性.

很简单的说。适合初学者。课堂上做的。ASP。

机器学习老师推荐的论文，是关于民航的。基于使用现有的支持向量机解决机场航班延误预警问题存在未充分利用先验知识和 训练需花费大量时间和空间的问题,提出了基于中心约束最小闭包球的加权多类算法。该算 法首先利用先验知识确定一种新的基于相对紧密度的方法计算样本权值并将其融合到支持向 量机中,然后转化为中心约束的最小闭包球进行训练。实验结果表明,该方法比现有的支持向 量机具有更合理的分类面并且训练速度得到大大提高。

C/C++语言课程设计

提出一种基于聚类分析与主成分分析的方法，以解决检测异常飞行、识别未知安全隐患等问题。借助该方法可应用聚类技术对QAR数据进行分析，以检测具有独特数据模式的异常飞行，其中QAR数据是快速存取记录器的简称，是一种用于监控、记录大量飞行参数的飞行数据记录仪。与现有的方法相比，该方法无需预定义标准。

航班信息查询系统 有浏览航班信息，查询航班信息（按条件），管理航班信息（修改，删除，增加）等功能，采用ODBC连接Access数据库

这是一份飞机航班售票系统的数据结构课程设计报告，有需要的下下来看看参考一下吧...