基于稀疏降噪自编码神经网络的通用航空风险预测

论文摘要

近年来通用航空发展迅速,由此引发的安全问题日益引起重视。但是由于通用航空器种类繁多,样本之间的差异性较大,传统的统计分析技术在通用航空风险预测方面就显得无能为力。提出一种基于稀疏降噪自编码神经网络的通用航空风险预测方法,稀疏降噪自编码模型（sparse de-noising auto-encoder,SDAE）可以学习相对稀疏简明的数据特征,更好地表达输入数据。利用收集到从2012年1月至2015年12月共48个月各个不同事件发生原因的其他不安全事件总数量,建立民航事故征候万架次率的神经网络预测模型,将其他不安全事件的发生与事故征候联系起来。通过实例说明,构建的SDAE模型可以根据输入的其他不安全事件的数量对当月的事故征候万架次率做出较为准确的预测。

论文目录

• 0 引言
• 1 通用航空风险预测体系
•   （1） 机型特点
•   （2） 飞行环境特点
•   （3） 维修保障特点
•   （4） 安全管理特点
• 2 算法设计
•   2.1 算法流程
•   2.2 算法研究
•     2.2.1 稀疏自编码神经网络
•     2.2.2 SDAE神经网络
• 3 实验结果与分析
•   3.1 数据预处理
•   3.2 SDAE模型的构建
• 4 结论

文章来源

类型: 期刊论文

作者: 于思璇,王华伟

关键词: 事故征候,稀疏自编码,风险预测,降噪

来源: 系统工程与电子技术 2019年01期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑,工程科技Ⅱ辑

专业: 安全科学与灾害防治,航空航天科学与工程,自动化技术

单位: 南京航空航天大学民航学院

基金: 国家自然科学基金青年基金(71401073),南京航空航天大学研究生创新基地(实验室)开放基金(kfjj20170713,kfjj20170718)资助课题

分类号: TP183;V328

页码: 112-117

总页数: 6

文件大小: 214K

下载量: 297