Time Series Analysis Methods and Applications for Flight Data

این کتاب بر جنبه‌های مختلف تجزیه و تحلیل داده‌های پرواز، از جمله اهداف اساسی، روش‌ها و تکنیک‌های اجرا تمرکز دارد. از آنجایی که داده‌های پرواز انبوه دارای ویژگی‌های معمول سری‌های زمانی هستند، روش‌های تحلیل سری‌های زمانی و کاربرد آن‌ها برای داده‌های پرواز از جنبه‌های مختلفی مانند فیلتر کردن داده‌ها، گسترش داده‌ها، بهینه‌سازی ویژگی، جستجوی شباهت، نظارت بر روند، تشخیص خطا، نشان داده شده است. و پیش‌بینی پارامتر، و غیره. یک پلت فرم پردازش اطلاعات هوشمند برای داده‌های پرواز برای کمک به نظارت بر وضعیت هواپیما، ارزیابی آموزشی و نگهداری علمی ایجاد شده است. این کتاب به عنوان یک منبع مرجع برای افرادی که در مدیریت و نگهداری هوانوردی کار می کنند و همچنین محققان و مهندسان در زمینه های تجزیه و تحلیل داده ها و داده کاوی استفاده می کند.

This book focuses on different facets of flight data analysis, including the basic goals, methods, and implementation techniques. As mass flight data possesses the typical characteristics of time series, the time series analysis methods and their application for flight data have been illustrated from several aspects, such as data filtering, data extension, feature optimization, similarity search, trend monitoring, fault diagnosis, and parameter prediction, etc. An intelligent information-processing platform for flight data has been established to assist in aircraft condition monitoring, training evaluation and scientific maintenance. The book will serve as a reference resource for people working in aviation management and maintenance, as well as researchers and engineers in the fields of data analysis and data mining.