基于稀疏降噪自编码神经网络的通用航空风险预测

V37; 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...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 41; no. 1; pp. 112 - 117
Main Authors 于思璇, 王华伟
Format Journal Article
LanguageChinese
Published 南京航空航天大学民航学院,江苏南京,211106 2019
Subjects
稀疏自编码
事故征候
风险预测
降噪
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001-506X.2019.01.16

Cover

More Information
Summary:V37; 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.
ISSN:1001-506X
DOI:10.3969/j.issn.1001-506X.2019.01.16