基于QAR数据的着陆超限风险贝叶斯网络分析模型

为分析民机着陆超限风险及其影响因素，基于飞行快速存取记录器(Quick Access Recorder, QAR)数据，构建着陆超限风险贝叶斯网络分析模型。首先，采集2019年和2020年国内某航空公司B737-800机队共37 443个航段QAR数据作为样本数据；然后利用GeNIe 3.0软件GTT(Greedy Thick Thinning)算法进行参数学习，建立着陆超限风险贝叶斯网络(Bayesian Network, BN)模型，应用10-fold交叉验证方法对模型进行检验。结果表明，着陆超限风险贝叶斯网络可有效分析着陆超限事件的因果关系，计算得出样本机队减小着陆超限风险的飞行参数组合。该分析模型可用于对机队或飞行员个体的着陆超限风险预测，为降低着陆飞行超限风险、前移安全关口提供客观依据。