张建业、张鹏所著的《飞行数据的时间序列分析方法及其应用》共分为6章，分别从数据滤波、数据扩展、特征优化、相似性搜索、趋势监控、故障诊断、参数预测等方面，较为全面地阐述了飞行数据的时间序列分析方法及其实现技术，力图指导构建基于飞行数据的智能化信息处理平台，以辅助开展飞机状态监控、训练评估以及科学维护等。
　　《飞行数据的时间序列分析方法及其应用》适用于航空装备管理人员、维护保障人员以及高等院校从事智能信息处理的教师、研究生，也可为从事飞行参数专业、数据挖掘研究的科研人员提供有益参考。

第1章 绪论
1.1 飞行参数记录系统
1.1.1 概述
1.1.2 发展演化
1.1.3 军事领域应用
1.2 面向飞行数据的应用研究
1.2.1 基本概念
1.2.2 研究现状
1.3 本书研究范畴与主要内容
第2章 飞行数据预处理
2.1 基于支持度的飞行数据遗忘记忆融合滤波方法
2.1.1 飞行数据统一误差模型
2.1.2 基于支持度的遗忘记忆融合滤波算法
2.1.3 应用实例与结论
2.2 基于综合加权优化的飞行数据空缺值填充方法
2.2.1 基于混合算法的改进神经网络模型
2.2.2 基于最小二乘法的多项式拟合模型
2.2.3 空缺值综合加权填充方法
2.2.4 仿真分析与结论
2.3 基于虚拟传感器技术的飞行数据扩展方法
2.3.1 虛拟传感器技术概述
2.3.2 基于发动机模型的虚拟飞行数据扩展
2.3.3 基于BP网络的虚拟飞行数据扩展
2.4 基于自扩充遗传算法的可监控特征参数选择方法
2.4.1 特征选择与遗传算法
2.4.2 自扩充遗传算法
2.4.3 实例验证与评估
2.5 飞行数据的混沌特性分析
2.5.1 混沌序列相空间重构的数学描述
2.5.2 混沌特性分析验证
第3章 飞行数据的典型时序分析
3.1 ARMA模型分析基础
3.1.1 数学模型
3.1.2 建模过程
3.1.3 模型参数估计
3.1.4 模型适用性检验
3.1.5 最佳预测
3.2 基于AR模型的参数监控方法
3.2.1 飞机稳定工作状态的描述
3.2.2 基于规则推理机的监控参数提取
3.2.3 基于AR模型的均值—极差监控方法
3.2.4 实例分析与效果评估
第4章 飞行数据相似性搜索
4.1 时间序列相似性分析方法
4.1.1 概述
4.1.2 时间序列降維方法
4.1.3 时间序列相似性度量方法
4.2 基于斜率距离的时间序列相似性搜索方法
4.2.1 时间序列的斜率集表示
4.2.2 时间序列的斜率距离
4.2.3 基于斜率距离的飞行数据聚类验证
4.3 基于角度距离的时间序列相似性搜索方法
4.3.1 时间序列的角度描述方法
4.3.2 时间序列的角度距离及相似性搜索算法
4.3.3 基于角度距离的飞行数据聚类验证
4.4 基于曲率距离的时间序列相似性搜索方法
4.4.1 数据预处理
4.4.2 曲率集表示
4.4.3 曲率距离及相似性搜索算法
4.4.4 基于曲率距离的飞行数据聚类验证
4.5 变步长曲线分箱多元序列相似性搜索方法
4.5.1 分段线性化表示
4.5.2 变步长索引标识
4.5.3 变步长分箱相似性搜索算法
4.5.4 基于变步长曲线分箱多元飞行数据聚类验证
4.6 基于关联矩阵QR分解的多元序列相似性搜索方法
4.6.1 多元时间序列的矩阵及图形表示
4.6.2 多元时间序列的关联表示
4.6.3 多元时间序列的QR距离
4.6.4 基于关联矩阵QR分解的飞行数据聚类验证
第5章 面向飞行数据的状态监控与趋势预测
5.1 基于变栅格技术的飞机设备状态监控方法
5.1.1 高维数据聚类方法
5.1.2 基于密度的聚类算法
5.1.3 变栅格收缩聚类算法
5.1.4 飞行设备状态收缩聚类监控实例
5.2 基于专家系统的突变性故障诊断方法
5.2.1 专家系统理论
5.2.2 飞机设备故障诊断专家系统功能
5.2.3 系统具体实现及效果评价
5.3 基于动态主元分析的渐变性故障诊断方法
5.3.1 主元分析法
5.3.2 动态主元分析法
5.3.3 基于动态主元分析的故障诊断算法
5.3.4 故障诊断仿真验证
5.4 基于加权最小二乘支持向量机的发动机状态参数预测