基于BP神经网络的航空安全风险评估.pptx

基于BP神经网络的航空安全风险评估本文的主要研究思路通过在已有的航空安全风险评估技术体系上，结合BP神经网络算法，建立评估模型，获得一个完整的评估体系，用BP神经网络法对实际航班运营数据有效地评估航空安全风险，得到一个量化的值，针对得出的实际结果，分析并采取一定措施来保证航空安全风险管理的有效性。本文所采用的安全风险评估流程1 明确被评价对象和范围2 收集历史飞行数据，归纳总结出最主要的航段风险因素3 对涉及航段风险的主要因素进行分析,将其风险因素映射到具体的飞行参数中去,转变为对飞行数据的定性评估4 建立新的航段风险评估的指标体系5 建立航段安全风险评估模型6 根据评估结果，提出避免和减少航段风险的措施和建议,使风险降低到可接受水平之下。航空安全风险评估技术飞行操纵品质监控 FOQA飞行数据事件风险评估系统 FDERAS航班运行风险评估系统 FORAS BP神经网络数据的来源及处理本文所采用的数据来源于真实的航班飞行数据，主要机型源于波音737和空客A320这两种常见机型，其中记录的数据包括飞机飞行之中的各个参数。对于得到的数据，我们在MATLAB之中，应用相关语句对其进行归一化 处理，针对BP网络隐含层函数的特性，归一化到[0.1,0.9]之间，使其处于收敛范围内。建立BP神经网络模型建立该模型的难点在于确定隐含层的节点数，首先先选用少量的隐含层节点，然后逐步增加，函数为SIGMOID型函数。将选取的10组数据代入，通过MATLAB自带神经网络模型进行训练，设定训练次数500次，学习率0.01，系统自动调整权值通过自动训练最终误差逐渐减小，训练成功，代入一组数据测试[32 0.17 123 -191 5.6 0.9 -0.055 0.064 -50 9 6 54 54 1 0 1 3;]，获得a=3.09 2.849 3.112 2.798 2.855，期望输出：3.142 2.857 3.142 2.8 2.857 神经网络模型有效。在已建立的神经网络基础上,将真实的航班运营数据代入到神经网络中进行运算，得到5个输出结果（例输入{2008，6.62，193，-1296，-1.8，-0.3，-0.015，0.002， -104，13，2，30，30，1，1，1，-3}输出{3.3，3.0，3.1，3.5，3.1}最终得到的五个输出，乘以经验权重值得到最终的一个结果，即为我们所需要的安全裕度值区间（例（2,4]）基于BP神经网络的航空安全风险评估操作安全裕度等级划分[0，2](4，5]安全裕度[0，5](2，4](5，6]安全裕度(5，9](7,9](6,7]对裕度值进行定义，将其范围分割成十个不同的等级，具体为0-9。安全风险和裕度值之间呈负相关关系，根据这一原理对飞机飞行安全风险进行评价。结论与措施针对不同的区间的事件，我们采取不同的措施来应对。在例子中，我们获得的安全裕度区间：（2,4]，根据我们对安全裕度区间的定义，该区间属于备降区间，这时作出飞往备降机场的决定，否则会对安全造成影响。根据以上一系列的评估流程与结果，该方法能够有力地证明了这种神经网络不但可以实现航段安全风险的评估，同时还具有非常快的训练速度，基于以上结果本文能够帮助国内民航领域的人士对航空航班安全风险进行评估与衡量。谢谢观看！