基于SVM和RBF神经网络的民航不安全事件组合预测方法

为提高航空业安全水平,预测飞行过程中存在的主要事故风险,本文基于2002年2月至2014年2月的民航事故数据统计,采用SVM和RBF神经网络加权组合模型对民航不安全事件发生原因及飞行阶段事故数量进行了预测。通过对3种典型预测方法的均方根误差比较,证明了此方法的可行性与有效性,结论可为民航安全管理提供科学依据。     

灰色马尔可夫模型在航空事故征候预测中的应用

航空事故征候是航空安全管理的核心内容之一,对其进行科学的预测是预防事故发生的关键。鉴于航空事故征候受多种因素的影响及具有较大随机波动性的特点,结合灰色预测和马尔可夫预测的优点,建立了航空事故征候的灰色马尔可夫预测模型,并应用该模型对我国航空事故征候进行了具体的预测。结果表明,建立的航空事故征候灰色马尔可夫预测模型是可行的,可以作为我国航空事故征候预测的有效工具。     

民航不安全因素联动对空难事故的影响——基于45起案例的清晰集定性比较分析

航空事故的发生并非由单一不安全因素造成,一般是可变因素的联动效应。以45起民航空难事故及事故征候为案例对象,以Reason理论模型为基础,应用定性比较分析方法,从环境、机器、人因及管理四个维度,甄别空难事故的关键因素,探索空难事故致因的联动效应。研究结果表明：“维修差错”、“机组协调不当”是民航空难事故的关键因素,“恶劣天气”和“驾驶员生理心理缺陷”更容易造成重大空难;通过组态分析得出事故致因的4种解以及导致重大空难的3条路径,区别于一般事故,“机组人为差错”是重大空难发生的核心因素。通过变量整合,从主客观及制度层面提出了避免事故的建议,为保证飞行安全提供新的思路和方法。     

浅析中国通用航空安全的重要性

近年来,我国低空逐步放开,通航也迎来蓬勃发展的新局面,将带来巨大的经济效益。同时,在大力建设民航强国的当下,通用航空与运输航空作为民航发展的两翼,其安全问题也是民航安全的重要组成部分。然而,通航航空器种类多,飞行时间不定,使用空域随意,及多样化的作业项目,加之我国通航保障作业环境还需加强完善,安全保障体系尚未健全,通航飞行事故和事故征候高于运输航空的局面急需得到改变。     

基于灰色系统理论的飞行签派员需求量预测

采用GM(1,1)和系统灰色预测GM(1,N)分别对我国到2015年民航飞行签派员需求总量进行宏观预测,并对两个模型的精确度进行检验,将预测结果对比分析。所得数据结果可为我国民航各公司人力资源管理开发及高等院校航空运行相关专业人才培养提供理论依据。     

基于神经网络方法的民航安全预测研究

为了对民航系统安全运行状态进行科学的分析和预测,选取能够反映民航安全综合状态的重要指标之一——飞行事故万时率,分别采用BP神经网络和RBF神经网络的理论和方法对其进行分析预测和仿真验证。两种方法预测结果的对比分析表明神经网络方法能较准确的预测出民航的综合安全状况,而相比于BP神经网络,RBF神经网络具有更高的预测精度。     

民航系统危险辨识与安全评估理论及方法研究报告

1研究意义及国内外研究现状1.1研究意义随着经济的高速发展,乘坐飞机出行的人越来越多。国际航空运输协会(IATA)预测,在2001~2005年间,全球通过机场的年总客运量至少达到32亿,15年后会再增加一倍。我国国内民航旅客运输总人数2002年为8425万人,2003年为8759万人,分别比前一年增长12%和1.9%,预计2004年国内民航的旅客运输总人数将达到10380万人。由于民航事故一旦发生就会造成极其严重的后果,而飞速增长的旅客运量需要优质的安全服务保障。因此,飞行安全一直备受人们关注。随着我国民航事业的发展和改革开放的不断深入,民航安全管理逐渐开…     

事故链分析法在飞行员训练中的应用

本文概述了飞行员训练在当今民航安全管理中的重要性,分析了传统飞行员训练方法的不足,提出了以事故链分析入手对飞行员进行训练的设想,并介绍了该训练模式的基本方法和训练效果,为进一步提高飞行员综合能力,减少人为差错,进而避免民航飞行事故创造了条件。     

基于模糊算法的军事飞行训练安全评价模型研究

本文章是依据"模糊数学理论"构建的"飞行安全模糊综合评价模型",对飞行训练中的事故征候进行原因的探析。通过对专家的咨询,从人、机、环境和管理4个方面建立了"飞行安全评价指标体系",并对模型进行了实例验证。研究分析表明,本文建立的"模糊综合评价模型"可对飞行运行系统进行总体安全评价,能够克服我军当前飞行训练运行系统安全评价方法的一些不足,具有较强的实用价值。     

城市快速路实时交通流运行安全主动风险评估

基于上海市快速路系统采集的线圈检测器数据和事故数据,应用贝叶斯网络(BN)模型对快速路实时交通流参数与事故风险进行建模分析,并利用可有效应对缺失数据的高斯混合模型和最大期望算法分别对BN模型输入和参数进行估计,进而主动评估快速路实时交通流运行安全风险,并对事故状态提前做出预警.分别对可能事故点前后2组检测器和4个时间段的8组交通流数据进行了建模,结果表明使用事故发生地点上下游各一个检测器在事故发生前5~10min内的交通流数据建立的BN模型效果最好,事故预测准确率为76.94%.最后不仅与朴素贝叶斯分类、K近邻、反向传播(BP)神经网络等经典事故风险估计算法进行了对比分析,还与现有的实时风险评估成果进行了对比,结果表明BN模型预测效果最好.     

基于FBCREAM方法的飞机驾驶人因可靠性评估模型

飞机驾驶人为差错是导致飞行不安全事件/事故的重要因素之一,为有效预测飞机驾驶人因可靠性,减少人为差错,确保飞行安全,提出一种基于FBCREAM方法的飞机驾驶人因可靠性评估模型。考虑飞机驾驶的情境环境及人因特征,调整原始认知可靠性与失误分析方法（CREAM）中的人为差错形成条件使其更合理地表征驾驶舱中飞行员工作情境。引入模糊逻辑方法,利用隶属函数对人为差错形成条件的不确定性和模糊性进行建模。以人为差错形成条件的隶属度为输入参数,人为差错模式隶属度为输出构建贝叶斯网络模型,通过解模糊化方法计算人为差错概率精确值。选取单发故障情境环境下执行飞行任务进行实例分析,结果表明该方法能够准确评估飞机故障情境环境下的飞机驾驶人因可靠性,可为航空安全评估提供有效的工具和重要支持。     

积冰防御体系安全评判系统的研究与开发

根据模糊综合评判的指导思想及积冰防御体系安全评判模型,用VB6.0作为软件开发环境,结合access 数据库对民航积冰防御体系安全评判系统进行了设计与开发.该系统包含了系统管理、指标管理、数据处理、综合评判、评判结果的输出、数据查询及报表生成、打印等功能,实现了积冰防御体系评判工作的自动化.     

航空安全信息管理与决策辅助系统框架研究

提出了航空安全信息管理与决策辅助系统框架。航空安全信息管理与决策辅助系统是航空公司推进安全管理体系（SMS）建设的重要组成部分和落地平台。此系统以航空安全管理为核心,以训练为基础,运用数据仓库、数学模型等技术和方法,实现航空安全的全流程管控和决策辅助支持,进而提高航空安全管理的科学性,实现局方对承运人安全管理体系建设的要求。     

An Ensemble Classification Model Based on Imbalanced Data for Aviation Safety

Nowadays aviation accidents have become one of the major causes of severe injuries and fatalities around the world. This attracts the research community to look into aviation safety by applying data analysis techniques based on an advanced machine learning algorithm. An ensemble classification model based on Aviation Safety Reporting System(ASRS) has been proposed to analyze aviation safety targeting the people injured in the system.The ensemble classification model shall contain two modules: the data-driven module consisting of data cleaning, feature selection,and imbalanced data division and reorganization, and the modeldriven module stacked by Random Forest(RF), XGBoost(XGB),and Light Gradient Boosting Machine(LGBM) separately. The results indicate that the ensemble model could solve the data imbalance while vastly improving accuracy. LGBM illustrates higher accuracy and faster run in the analysis of a single model of the ASRS-based imbalanced data, while the ensemble model has the best performance in classification at the same time. The ensemble model proposed for imbalanced data classification can provide a certain reference for similar data processing while improving the safety of civil aviation.     

Python环境下的航空安全报告信息分析方法

为了从大量日常收集的航空安全信息中快捷、准确、高效地获取可能存在的安全隐患,为安全风险控制提供明确的改进方向,结合文本分析和机器学习对给定类型的航空安全信息根据其内容聚类是挖掘有效信息的重要基础.以2017年中国民航收集的系统失效/卡阻/故障事件为样本,在Python 3.6环境下通过对文本预处理,采用对数的词频-逆文本频率(term frequency-inverse document frequency,TF-IDF)进行特征提取以及K-means方法,建立该样本信息的自动聚类模型,基于多维缩放(multi dimensional scale,MDS)降维输出可视化结果.分析结果表明,文本信息聚类和可视化能够快速自动地对信息整理归档,识别各样本信息之间相似程度,轻松锁定关键信息,为下一步风险管控提供有针对性的措施.     

基于改进卷积网络的终端区4D航迹预测与冲突检测

随着不断扩大的旅客运输量和航线网络规模,采用飞行计划结合空中交通管制的空中管理办法已经不能与当前民航需求和空中交通流量相匹配,直接影响到航班正常率和运行安全。为解决这一问题,国际民航组织(International Civil Aviation Organization, ICAO)提出了基于航迹运行(trajectory based operation, TBO)的下一代空中交通管理运行理念,中国民航也提出了智慧民航的建设方案和目标。其中4D航迹是TBO运行的核心组成部分,也是中国建设智慧民航的重要技术指标,其可以对航空器的运行进行精确地管理和控制。因此,提高4D航迹预测的准确性成为了目前急需解决的核心问题。面向航空器的飞行任务实施阶段,从4D航迹预测和冲突检测两个问题进行了研究。在航迹预测方面,采用了基于卷积神经网络-双向门控循环单元(convolutional neural networks-bidirectional gated recurrent unit, CNN-BiGRU)的模型对航迹进行高精度预测;在冲突检测方面,引入了航迹距离检测函数以检验预测模型生成的两条航迹是否...     

航空安全管理体系解读

从航空公司的角度,对国际民航组织推行的航空安全管理的新模式——航空安全管理体系（SMS）的内容与理论基础进行了解读,阐述了SMS的核心——风险管理对我国航空安全管理的指导意义。     

基于确定性需求量航材存储模型的建立及应用

针对某类航材需求量确定的情况,建立了航材仓库中该类航材的存储模型,并结合该类航材供应的实际数据对模型进行求解,实现航材仓库在保证该类航材安全库存量的情况下,达到该类航材存储费用的最小化。