基于ACE-BN的通勤飞行事故/事件诱因分析

为降低我国通用航空短途运输运行安全风险,提出一种基于平均因果效应(ACE)和贝叶斯网络(BN)的事故/事件诱因分析方法。首先,分析102起美国通勤飞行事故/事件,共识别出 7类 19种诱因;然后,引入ACE公式确定节点的优先次序,使用K2算法构建BN结构,并采用最大期望(EM)算法进行网络参数学习,建立通勤飞行事故/事件诱因分析模型;最后,对各诱因的概率进行排序并分析诱因间的敏感性。结果表明:机组经验不足导致的事故/事件发生概率最高;机械设备情况容易受到雨雪等恶劣天气的影响;天气因素和监管因素对机组因素表现出较高的敏感性,其中,恶劣的天气会影响机翼等机械设备的正常运转,进而影响飞行员对于飞机的操作,技术和安全培训不到位会影响飞行员和管制人员的专业水平及经验技能。