动态数据驱动的航班延误预测研究
上传者:高荣山|上传时间:2015-05-04|密次下载
动态数据驱动的航班延误预测研究
第36卷第3期武汉理工大学学报(交通科学与工程版)
JournalofWuhanUniversityofTechnology
(TransportationScience&Engineering)
V01.36No.3
2012年6月Juoe2012
动态数据驱动的航班延误预测研究*
陈海燕1’
王建东"
徐涛2’
南京210016)天津300300)
(南京航空航天大学计算机科学与技术学院”(中国民航大学计算机科学与技术学院”
摘要:航班运行过程的动态性导致延误实时预测成为难题.动态数据驱动方法为其提供了一种解
决方案.该方法能将航班运行实时数据动态加人延误预测过程中,使预测结果更准确可靠.以预测
连续进港航班的降落延误为例,对航班之间的延误传递过程进行分析,建立相应的状态空间模型;
给出动态数据驱动的航班延误预测框架及预测过程.在航班运行历史数据上进行的多个实验表明:该方法能获得较高的预测准确度和良好的预测稳定性.
关键词:动态数据驱动应用系统;航班延误预测}参数估计;数据同化;卡尔曼滤波
中图法分类号:U8;TP391
DOI:10.3963/j.issn.2095—3844.2012.03.006
近lOa来,国内外学者针对航班延误原因、
此,美国国家科学基金会于2000年提出全新的仿真预测分析系统——DDDAS[3],旨在将仿真和实验有机结合起来,使仿真可以在执行过程中动态地从实际系统接收数据并做出响应,而仿真结果可以动态地控制实际系统的运行,指导测量的进行.
目前,DDDAS在交通运输领域的已有一些应用成果.Fujimoto等H1基于一种微观城市地面交通仿真模型,根据所采集到的实时交通流数据来优化信号控制、确定当前地面交通状态及预测未来状态.Huang【5’重点研究了在轨道交通中如何在仿真过程中不断利用实测数据对预测模型进行校验以获得更精确可靠的预测输出.Wang[63提出了~种基于随机宏观高速公路交通流模型和扩展卡尔曼滤波技术的实时高速公路交通状态估计器.在空中交通领域,Hyatt【73给出了一种航班延误预测DDDAS框架和实时数据采集方法.
从上述研究中可以总结出,要应用动态数据
驱动方法进行系统状态预测必须解决2个关键问
传播模型u]及如何减少延误[23等问题进行了研究.目前,常用的航班延误预测方法一般采用确定性模型。势必会忽略一些重要的随机因素,如突发事件.因此,对航班延误实时预测毫无意义.
航班延误实时预测本质上是一个动态系统状
态估计问题.本文将仿真领域最新研究成果——
动态数据驱动应用系统(dynamic
datadrivenap—
plicationsystem,DDDAS)范型用于航班延误的
实时预测,对连续进港航班延误波及问题进行分析和建模,基于系统状态空间模型构建了一种动态数据驱动的航班延误预测框架,并用某枢纽机场的历史航班运行数据验证该方法的有效性.
1
DDDAS应用问题
传统的系统仿真方法是将早期测量得到的静
态数据输入到系统模型中预测现在或未来系统的变化.然而,由于早期测量数据并不能及时和准确的反映动态系统的实时变化情况,仿真的结果往往与实际测量结果相差甚远,导致预测失败.为
收稿日期:201i-12-10
题:(1)预测模型.根据系统行为特征建立一个可计算的预测模型。能反映系统状态之间的关系,及系统状态与可测数据之间的关系,(2)数据同化.
陈海燕(1979-);女.博士生,讲师,主要研究领域为数据挖掘、仿真与建模、系统分析与集成
‘国家“863”高科技项目(批准号:2006AAl2A106).国家自然科学基金重点项目(批准号:6】139002)资助
464
武汉理工大学学报(交通科学与工程版)2012年第36卷
根据模型性质确定一种数据同化算法,能将动态实测数据融合到模型预测中,达到更新预测结果
的目的.
2
航班延误状态空间模型
2.1延误问题分析
由于同一时间跑道只能供一架飞机使用,连续进港的相邻两航班之间的存在延误波及问题.在计划紧凑的情况下,若前行航班发生延误,会引起链式反应,将延误影响传播到后行航班.设飞机在发出准备降落就绪信号前产生的延误为已知的累积延误,在发出准备降落就绪信号后产生的延误为降落延误,两者之和为该航班的进港延误.设进港延误为d,降落延误为z,累积延误为口,波及延误为P,前后行飞机之间存在最小飞机间隔时
间为m,两飞机间缓冲时间为b,/T/包含在b中,
且必须得到满足.前行飞机对后行飞机的延误波
及产生过程见图1.
耐行E机
,酉_r乜口L
计划进港日抽J
f.鼙4.韭港时词
.
62
.盟;-
_
一凶一
●,
.
西
一
●
7●
.
凶
m.
3
一
.乌
.
西
4
.卅.
.
厦。1:
图1延误波及产生过程
可见,当d,大于b。和m之差时,为确保最小飞机间隔,后行飞机将产生波及延误P。,后行飞机的降落延误可表示为
Z2=P2+如=Z1+口1一b2+m+£2
(1)
式中:e2为降落过程中由其他随机因素引起的延误.
2.2状态空间模型
通过上节对航班降落延误问题的分析,可将
系统状态空间模型表示为如下分段线性模型:f
fzFl+ak--l—b±+z}l+口}1≥
m+“+"Wk
b^一m
{以一1
@’
。+。。+叫。
L
z≮。+口卜,<以一优
【Y^=zI+仇
(3)
其中:式(2)为过程方程;式(3)为观测方程;zt为第k个航班的降落延误;口t为第A个航班的累积延误;坟为第k个航班的计划间隔;m为最小飞机间隔,按规定执行;Y。为观测值;m,仇为过程噪声和观测噪声池为随机延误.由于影响航班降
落的因素较复杂,且各种因素与航班延误之间的关系很难用数学模型表示,因此,“不能直接计算得到.这里可采用智能数据挖掘算法,从历史数据中学习到随机因素的影响模式,估计出当前情况下的岛;若遇极端情况,如空中管制、恶劣天气等,可直接参考专家意见.关于岛的计算已由另文发表[8],本文不再展开讨论.
3
动态数据驱动的航班延误预测
3.1动态数据驱动的航班延误预测系统框架基于状态空间模型构造出动态数据驱动的航
班延误预测框架见图2.
l圄圄圄曰
匡擀爵
系统
———’————————一l
状态空问预测值
模型
-----—.-——_—___..J’、l
Il司化l
——————————',L—————_J
T
数据采集与处理
竹
\
I
8吣1
图2
动态数据驱动的航班延误预测框架
该框架由4个主要模块组成:(1)数据采集与处理模块.完成实时数据的采集和处理,为参数估计和数据同化提供输入数据;(2)参数估计模块.根据实时数据估计状态空间模型中吼,b。,伽。,仇,e。等参数在当前条件下的取值;(3)系统
状态空间模型.根据过程方程所描述的前后行航
班降落延误之问的关系,计算出后行航班降落延误的先验估计值作为数据同化的输入;(4)数据同化模块.用实际测量的结果来更新或优化模型预测的结果,目前可用卡尔曼滤波[91或粒子滤波[1叩方法实现数据同化,前者适用于线形系统状态估计,后者适用于非线性非高斯系统的状态估计.
3.2基于卡尔曼滤波的状态预测
对线性状态空间模型{瓤一竺“。十肌,基l儿2/'/Xk十h
于卡尔曼滤波的状态估计和预测过程为:
1)初始化状态初值甄及其协方差Po.
2)时间更新
根据‰一。,只一-计算瓤和P。
的先验估计
缸lpl—A工pl
(4)
第3期陈海燕,等:动态数据驱动的航班延误预测研究
465
n【pl—Pbl+Q
(5)表2均方根误差随连续航班数量的变化
式中:G=Var(Wk).
3)测量更新
当新的观测值Y。到达时,更
从表2可以看出:连续航班数量对预测准确
(6)
新工。’i。,R。,得到瓤和P。的后验估计
瓤=‰l}_l+K^(弘一HrⅢ_1)
度的影响不大,动态数据驱动的延误预测方法有
式中:K为卡尔曼增益,计算方法为
Kk=P女【^一lHl(HP^p1H1R^)_1
(7)
较好的稳定性.
式中:风一Var(h).
4)重复2),3)预测不断向前推进.
5
结束语
本文提出了一种动态数据驱动的航班延误预
4
实验及结果分析
本文在Matlab平台上进行了一系列实验,实
测方法.该方法能在利用系统状态空间模型进行先验预测的同时,将采集到的有关航班运行过程的各种实时数据反馈到预测过程中,用于动态地更新延误预测值.实例研究证明所提出的动态数据驱动的航班延误预测方法具有较高的预测准确
度,且受被测连续航班数量的影响很小.这就为机
验数据来源于国内某枢纽机场航班运行历史记录.实验从不同角度展开,在验证动态数据驱动航班延误预测能力的同时,还验证了噪声、连续预测步数等因素对预测准确度的影响.
实验1考察动态数据驱动航班延误预测的
场或航空公司预测未来航班的执行、制定减少航班延误的相关决策及进一步的机场环境预测提供了有力支持.
参考文献
准确度,以及噪声方差R,Q取不同值时对预测结
果的影响.图3显示了对50架连续进港航班进行
降落延误预测的结果.
[1]Abdelghany
for
\亘烈剖
EE
KF,ShahSS,RainaS,eta1.Amodel
projectingflightdelaysduringirregularoperation
AirTransport
conditions[J].Journalof
ment,2004,10(6):385—394.
Manage
々
[2]AhmadBeygiS.CohnA,LappM.Decreasingairline
delaypropagation
by
re-allocating
scheduled
slack
[J].1IE[33
Darema
Transactions,2010,42(7):478—489.F.Dynamicdata
on
drivenapplicationsystems
[R].NSFWorkshop
cation
DynamicDataDrivenAppli—
Systems,March,2000.
R,Suh
[4]HunterM,Fujimoto
tionof
real—time
W,eta1.Aninvestiga—
driventransportation
dynamicdata
simulation[C]ffProceedingsofthe2006WinterSim
ulation
Conference.Washington,DC,USA:IEEE,
421.
auto—
均方根误差/min
(R.Q)
2006:1414—1
先验估计
(1.I)
预测值
2.656
[5]Huang
Y,SeckMD,VerbraeckA.Towards
6.35555.17246.5458
9
3
matedmodelcalibrationandvalidationinrailtransit
(1,4)(1.9)
1.00461.213
0
simulation[C]}}Procedia
1259—1265.
Computer
Sciencel,2010:
(0.01,9)8.9540.00992.292
0
(4,9)8.3408
[63Wang
Y,Papageorgiou
freewaytraffic
M,MessmerA,eta1.An
state
adaptiveestimator[J].Auto—
由表1可见,融合实时观测数据能明显提高预测的准确度;(R,Q)取值对预测准确度有重大
影响.
[73
matica,2009(45):10—24.Hyatt
cast—an
R,BansalD,ChakrabortyS,eta1.Flightairlineflightdelaypredicting
DDDAS[c]∥
on
实验2考察预测不同数量连续航班时预测准确度的变化,均方根误差见表2.
Proceedingsof2007InternationalSymposiumtributedComputingandApplication
to
Dis—
Business,En—
466
武汉理工大学学报(交通科学与工程版)
Science.WuhanChina,HubeiScience
2012年第36卷
8ineeringand[9]KalmanRE,BucyR.Newresultsinlinearfiltering
andTechnologyPress,2007:85—88.andprediction
problems[J].JournalofBasicEngi—
Is]Chen
H
Y,WangJD,XuT.Modelingofflightde—
on
neering 1961,83(1):95—108.
laystate-spacemodelbased
genetic
EMalgorithm[10]BolvikenE,AcklamPJ,ChristophersenN,eta1.
state
[J].TransactionsofNanjingUniversityofAeronau—tics&Astronautics.201I.28(3):276—281.
Montecarlofiltersfornon—linear
estimation
[J].Automatica,2001,37(2):177—183.
Research
on
theDynamicData—drivenPredictionforFlightDelay
ChenHaiyan”WangJiandon91’XuTa02’
(CollegeofComputerScienceandTechnology,NanjingUniversity
ofAeronauticsandAstronautics,Nanjing210016,China)”
(CollegeofComputerScienceandTechnology,CivilAviationUniversityofChina,Tianjin
300300,China)2’
Abstract:Flightdelaypredictionremainscratingprocess.Tosolve
an
importantresearchtopicdue
to
thedynamicsinflightop—
area
thisproblemdynamic
data—drivenapproachfromcontrol
to
wasintro—
accurate
dueed,wherereal—timedatawascollectedandinjectedintothepredictionprocessandreliableresult.Ingationwasanalyzed
to
case
get
more
ofpredictingthelandingdelaysofcontinuousarrivalflights,delaypropa—
state
establishthecorresponding
space
on
model.Thendynamicdata—drivenpre—thisarchitecturewerepresented.Sever-
dictionarchitectureforflightdelayandthepredictionstepsalexperimentswerecarried
out
on
thehistoricflightdata
not
to
validatetheperformanceofthissolution.
to
Resuhsshowthat:theaccuracyishigh,anditis
sensitive
thenumberofcontinuousarrival
flights.Therefore,thesolutionhasgoodpredictivestabilityandreliability.
o“”o…々…o…o…o……—o…o目_…ot_——…oH。om‘,dq●^E,,目。如o●“
Key
words:dynamicdata’drivenapplicationsystem;flightdelaysprediction;parameterestimation;da—
ta
assimilation;Kalmanfilter
(上接第462页)
Research
on
theRelationshipBetweenGradingCurveTrend
andAirVoidsinAsphalt
Mixtures
xu
Huinin911
TanYiqiu”LiXiaomin2’MaShaajun”
(SchoolofTransportationScience
andEngineering,HarbinInst.oJ。Tech.,Harbin
150090,China)"
(GansuProvincialCommunicationsPlanningSurveyandDesig刀Institute,Lanzhou
730030,China)2’
Abstract:Thispaperinvestigatedtheinfluenceofgrading
curve
trend
on
theairvoidsinasphaltmix—
an
tures.Atotalof11asphaltmixtureswithdifferentgradingwerestudied.The
test
curve
traitsand
a
asphaltbindercontent
on
dataillustratedthattheaggregategradationhad
significantinfluence
the
airvoidsinasphaltmixtures.Withthefineaggregatechangingfromfinetocoarse.airvoidsincreasedgradually.Theairvoidswastheleastwhenthe
tyaggregate
coarse
aggregategrading
nearsto
themaximumdensi—
to
grading,andwasthemostwhenthe
coarse
aggregate
to
grading
nears
theupperlimit.
With
theaidofranksumtest,thesensitivityofairvoids
thechangeofaggregategradingwasstud—
coarse
led.Theresultspresentedthatinasphaltmixturesthechangeofanyofthe
gregate
aggregate,fineag—
and4.75mmpercentpassingaffectedtheairvoids.Thefindingalsoindicatedthatthevaria—
to
tionoffineaggregatewasthemostsignificantfactorKeywords:grading
curve
thechangeofairvoidsinasphaltmixtures.
test
trend;asphaltmixture;airvoids;ranksum
内容需要下载文档才能查看 内容需要下载文档才能查看
动态数据驱动的航班延误预测研究
作者:作者单位:刊名:英文刊名:年,卷(期):
陈海燕, 王建东, 徐涛, Chen Haiyan, Wang Jiandong, Xu Tao
陈海燕,王建东,Chen Haiyan,Wang Jiandong(南京航空航天大学计算机科学与技术学院 南京210016), 徐涛,Xu Tao(中国民航大学计算机科学与技术学院 天津300300)
武汉理工大学学报(交通科学与工程版)
Journal of Wuhan University of Technology(Transportation Science & Engineering)2012,36(3)
参考文献(10条)
1.Abdelghany K F;Shah S S;Raina S A model for projecting flight delays during irregular operationconditions[外文期刊] 2004(06)
2.AhmadBeygi S;Cohn A;Lapp M Decreasing airline delay propagation by re-allocating scheduled slack2010(07)
3.Darema F Dynamic data driven application systems 2000
4.Hunter M;Fujimoto R;Suh W An investigation of real-time dynamic data driven transportationsimulation 2006
5.Huang Y;Seck M D;Verbraeck A Towards auto mated model calibration and validation in rail transitsimulation 2010
6.Wang Y;Papageorgiou M;Messmer A An adaptive freeway traffic state estimator 2009(45)7.Hyatt R;Bansal D;Chakraborty S Flight cast-an airline flight delay predicting DDDAS 2007
8.Chen H Y;Wang J D;Xu T Modeling of flight delay state-space model based on genetic EM algorithm[期刊论文]-Transactions of Nanjing University of Aeronautics and Astronautics 2011(03)9.Kalman R E;Bucy R New results in linear filtering and prediction problems 1961(01)
10.B(o)lviken E;Acklam P J;Christophersen N Monte carlo filters for non-linear state estimation[外文期刊] 2001(02)
引用本文格式:陈海燕.王建东.徐涛.Chen Haiyan.Wang Jiandong.Xu Tao 动态数据驱动的航班延误预测研究[期刊论文]-武汉理工大学学报(交通科学与工程版) 2012(3)
下载文档
热门试卷
- 2016年四川省内江市中考化学试卷
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
- 山东省滨州市三校2017届第一学期阶段测试初三英语试题
- 四川省成都七中2017届高三一诊模拟考试文科综合试卷
- 2017届普通高等学校招生全国统一考试模拟试题(附答案)
- 重庆市永川中学高2017级上期12月月考语文试题
- 江西宜春三中2017届高三第一学期第二次月考文科综合试题
- 内蒙古赤峰二中2017届高三上学期第三次月考英语试题
- 2017年六年级(上)数学期末考试卷
- 2017人教版小学英语三年级上期末笔试题
- 江苏省常州西藏民族中学2016-2017学年九年级思想品德第一学期第二次阶段测试试卷
- 重庆市九龙坡区七校2016-2017学年上期八年级素质测查(二)语文学科试题卷
- 江苏省无锡市钱桥中学2016年12月八年级语文阶段性测试卷
- 江苏省无锡市钱桥中学2016-2017学年七年级英语12月阶段检测试卷
- 山东省邹城市第八中学2016-2017学年八年级12月物理第4章试题(无答案)
- 【人教版】河北省2015-2016学年度九年级上期末语文试题卷(附答案)
- 四川省简阳市阳安中学2016年12月高二月考英语试卷
- 四川省成都龙泉中学高三上学期2016年12月月考试题文科综合能力测试
- 安徽省滁州中学2016—2017学年度第一学期12月月考高三英语试卷
- 山东省武城县第二中学2016.12高一年级上学期第二次月考历史试题(必修一第四、五单元)
- 福建省四地六校联考2016-2017学年上学期第三次月考高三化学试卷
- 甘肃省武威第二十三中学2016—2017学年度八年级第一学期12月月考生物试卷
网友关注
- 2018湖南省考申论每周一练:以沟通建立警民互信
- 2017湖南公务员面试模拟题:“全面二孩”后女性求职遭性别歧视
- 2016湖南公务员考试面试真题(6月18日)
- 2017湖南公务员公务员面试热点模拟题:分数低上台道歉
- 2017年湖南公务员考试面试真题(6月19日)
- 2017年湖南公务员考试面试真题(6月18日)
- 2017湖南公务员面试热点模拟题:2.5天休假
- 2018湖南省考:面试每日一练结构化面试模拟题7.6
- 2017湖南公务员面试热点模拟题:地铁“高等舱”
- 2018湖南省考申论每周一练:恢复高考40周年议高考
- 2018湖南省考:行测每日一练言语理解与表达练习题答案07.10
- 2018湖南省考:行测每日一练数量关系练习题07.07
- 2018湖南省考申论每周一练:老年健身场所建设
- 2018湖南省考:面试每日一练结构化面试模拟题7.10
- 2018湖南省考申论每周一练答案:老年健身场所建设
- 2017湖南公务员面试热点模拟题:徐玉玉事件折射的个人信息安全
- 2018湖南省考面试应变模拟题:如何让渔民上岸
- 2018湖南省考:行测每日一练资料分析练习题答案07.06
- 2018湖南省考申论每周一练:“礼让斑马线”成城市最美风景
- 2018湖南省考面试模拟题:执法如何“顾情”
- 2018湖南省考:面试每日一练结构化面试模拟题答案7.10
- 2018湖南省考申论每周一练答案:大学生就业多元化
- 2018湖南省考:面试每日一练结构化面试模拟题答案7.7
- 2018湖南省考面试综合分析模拟题:办卡容易退卡难
- 2017湖南公务员面试热点模拟题:“无事酒”何时休?
- 2017湖南公务员面试热点模拟题:如何照顾受伤儿童
- 2017湖南公务员面试热点模拟题:网络直播平台需走出法制困境
- 2018湖南省考申论每周一练:大学生就业多元化
- 2017湖南公务员面试模拟题:女性就业“暗门槛”
- 2016湖南公务员考试面试真题(6月19日)
网友关注视频
- 第五单元 民族艺术的瑰宝_15. 多姿多彩的民族服饰_第二课时(市一等奖)(岭南版六年级上册)_T129830
- 第19课 我喜欢的鸟_第一课时(二等奖)(人美杨永善版二年级下册)_T644386
- 沪教版牛津小学英语(深圳用) 五年级下册 Unit 12
- 冀教版小学数学二年级下册第二单元《租船问题》
- 二年级下册数学第一课
- 【部编】人教版语文七年级下册《泊秦淮》优质课教学视频+PPT课件+教案,天津市
- 精品·同步课程 历史 八年级 上册 第15集 近代科学技术与思想文化
- 【部编】人教版语文七年级下册《逢入京使》优质课教学视频+PPT课件+教案,安徽省
- 外研版英语七年级下册module3 unit2第一课时
- 19 爱护鸟类_第一课时(二等奖)(桂美版二年级下册)_T502436
- 沪教版八年级下次数学练习册21.4(2)无理方程P19
- 外研版英语七年级下册module3 unit2第二课时
- 冀教版小学数学二年级下册第二单元《有余数除法的竖式计算》
- 七年级英语下册 上海牛津版 Unit9
- 沪教版牛津小学英语(深圳用) 四年级下册 Unit 7
- 【部编】人教版语文七年级下册《老山界》优质课教学视频+PPT课件+教案,安徽省
- 冀教版小学数学二年级下册第二单元《有余数除法的整理与复习》
- 沪教版牛津小学英语(深圳用) 四年级下册 Unit 4
- 8.对剪花样_第一课时(二等奖)(冀美版二年级上册)_T515402
- 【部编】人教版语文七年级下册《过松源晨炊漆公店(其五)》优质课教学视频+PPT课件+教案,辽宁省
- 北师大版小学数学四年级下册第15课小数乘小数一
- 第12章 圆锥曲线_12.7 抛物线的标准方程_第一课时(特等奖)(沪教版高二下册)_T274713
- 沪教版八年级下册数学练习册一次函数复习题B组(P11)
- 二年级下册数学第二课
- 19 爱护鸟类_第一课时(二等奖)(桂美版二年级下册)_T3763925
- 北师大版数学四年级下册3.4包装
- 冀教版小学数学二年级下册第二周第2课时《我们的测量》宝丰街小学庞志荣
- 飞翔英语—冀教版(三起)英语三年级下册Lesson 2 Cats and Dogs
- 七年级英语下册 上海牛津版 Unit5
- 每天日常投篮练习第一天森哥打卡上脚 Nike PG 2 如何调整运球跳投手感?
精品推荐
- 2016-2017学年高一语文人教版必修一+模块学业水平检测试题(含答案)
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
分类导航
- 互联网
- 电脑基础知识
- 计算机软件及应用
- 计算机硬件及网络
- 计算机应用/办公自动化
- .NET
- 数据结构与算法
- Java
- SEO
- C/C++资料
- linux/Unix相关
- 手机开发
- UML理论/建模
- 并行计算/云计算
- 嵌入式开发
- windows相关
- 软件工程
- 管理信息系统
- 开发文档
- 图形图像
- 网络与通信
- 网络信息安全
- 电子支付
- Labview
- matlab
- 网络资源
- Python
- Delphi/Perl
- 评测
- Flash/Flex
- CSS/Script
- 计算机原理
- PHP资料
- 数据挖掘与模式识别
- Web服务
- 数据库
- Visual Basic
- 电子商务
- 服务器
- 搜索引擎优化
- 存储
- 架构
- 行业软件
- 人工智能
- 计算机辅助设计
- 多媒体
- 软件测试
- 计算机硬件与维护
- 网站策划/UE
- 网页设计/UI
- 网吧管理