基于DBN的飞机着陆弹跳预测方法

飞机着陆弹跳是航班运行中经常发生的不正常事件,为掌握着陆弹跳的诱因并有效预防该类事件发生,首先,提出一种基于深度置信网络(DBN)的飞机着陆弹跳预测方法;其次,通过航空运行数据评估事件与着陆机场环境条件的相关性,以东航实际着陆弹跳事件为例,探究着陆时油门杆位置与弹跳的变化趋势;然后,分别讨论触地前飞行员操纵、飞机状态和飞机的不稳定进近对着陆弹跳的影响;最后,以不同信息的组合作为输入训练模型,对比预测精度,找到最优模型。研究结果表明:基于DBN的方法适合利用大量航班数据预测着陆弹跳事件;当网络输入包含机场环境条件、飞机油门杆位置等着陆弹跳直接影响因素,以及不稳定进近等非直接影响因素时,该预测模型能够较准确地预测着陆弹跳事件,其预测准确度可达到94.78%。     

民用飞行器重着陆事件决策系统研究

应用支持向量决策方法,解决飞行器重着陆事件诊断中受力分析复杂、样本量小的问题。探索飞行器接地阶段重着陆事件的形成机制,分别建立翼根载荷与起落架载荷的受力模型,研究飞机主体载荷与重着陆事件的非线性关系。研究重着陆决策所需样本集的小样本特性,提出支撑向量驱动的智能决策规则方法,进行重着陆事件诊断模型的建模研究。最后,建立重着陆事件决策系统。实例表明:该决策方法对于实例样本的诊断精度达到95.7%,对于提高着陆阶段的安全具有实际意义。     

基于模糊加权Markov方法的飞机重着陆风险控制研究

飞机重着陆严重影响着飞行安全,控制重着陆事件风险是该领域研究难点.提出了模糊加权Markov模型方法,进行飞机重着陆状态预测研究.首先,通过起落架接地受力分析,确定飞机接地载荷作为描述重着陆状态的特征参数,并引入模糊有序聚类算法,获得重着陆状态划分规则;然后,针对起落架接地载荷进行状态分级,计算载荷序列的自相关系数,获取多时滞Markov链的权值;最终,建立加权Markov模型,预测起落架接地载荷时序分布,根据载荷序列概率分布来评价重着陆等级,实现重着陆风险的控制.工程实例表明,该算法准确率高,具有较好的空间性能和时间性能.     

基于相似理论的飞机实际着陆距离预测方法

为防止飞机着陆时冲出跑道事件的发生,提出一种基于相似理论的飞机实际着陆距离预测方法.首先,通过量纲分析法结合影响飞机实际着陆距离的主要因素,推导出表征实际着陆距离的无量纲方程;然后,利用真实飞行数据,得出不同接地俯仰角条件下飞机实际着陆距离的预测方程;最后,对比分析方程预测结果与由真实数据所得的飞机实际着陆距离.结果 ...     

基于k-SC聚类的飞行操作模式及危险性分析

为挖掘飞行数据中的高危险性操作模式,采用k-SC时间序列聚类算法,并基于K-W检验分析聚类结果与不安全事件之间的关系。以特定条件下某机队着陆阶段的驾驶杆操作数据和长着陆事件为例进行模型验证。结果表明:机队有5类不同的驾驶杆操作模式;不同操作模式的着陆平飘距离分布具有显著性差异,且长着陆的危险性最高可达68.18%。研究结果可为提升航空公司飞行员操作能力、分析飞行员操作特性及其他不安全事件（如重着陆、擦机尾等）提供理论参考。     

基于集成算法的工贸企业安全预警系统优化

为了提高工贸企业安全预警预报能力,在构建了工贸企业生产安全预警指标体系的基础上,基于集成算法优化工贸企业安全预警系统.首先,将集成算法中的随机森林(RF)和XGBoost模型进行比较,基于随机森林来优化指标因素.为检验各指标因素之间是否存在相关关系,先用相关系数的方法计算各因素之间的相关程度,然后对其进行显著性检验;其次,在确定各指标因素的相关关系后,采用差分法解决序列相关性的问题;最后,基于差分得出的数据和优化后的指标,运用随机森林模型再次进行模拟,得出优化后预警模型的精度和平均绝对误差.结果 表明,在数据量较小的情况下,一定程度上随机森林的集成效果比XGBoost模型更佳.运用差分法解决各因素相关性问题后得到的数据及用RF优化后的指标因素,使得随机森林的企业安全预警模型精度得到提升,平均绝对误差显著降低.     

民用飞机着陆距离预测研究

为防止飞机着陆时冲出跑道,采用支持向量机(SVM)模型预测飞机着陆距离。基于机场、气象以及飞机自身等3方面影响因素,选取B737-800为参考机型。利用波音公司的LAND软件采集相关运行数据。通过选择误差最小、精度最优的径向基核函数(RBF)构建最有效的SVM模型。探讨网格参数算法、遗传算法(GA)和粒子群优化(PSO)算法对最佳惩罚函数c和核函数参数g的影响。结果表明,预测着陆数据与实测着陆数据吻合较好——最大绝对误差在20 m范围内,最大相对误差为1%。     

基于RF-SFLA-SVM的装配式建筑高空作业工人不安全行为预警

为有效预警装配式建筑高空作业工人不安全行为的发生趋势或状态,增强对装配式建筑工人不安全行为(PBWUBs)的管控,采用随机森林(RF)-混合蛙跳算法(SFLA)-支持向量机(SVM)模型,开展工人不安全行为预警研究。首先,采用SHEL模型分析处于高空作业危险中的PBWUBs的影响因素,并通过RF确定关键预警指标;然后,采用SFLA对SVM的参数进行寻优改进;最后,利用RF-SFLA-SVM预警高空作业PBWUBs,提出应对措施,并与其他预警模型对比。研究结果表明：基于RF-SFLA-SVM预警高空作业PBWUBs,准确率最高,为91.67%,与其他模型的预警性能相比,最高提升14%。研究结果可为高空作业PBWUBs的防控提供参考。     

危险货物运输驾驶人风险倾向分类及识别模型研究

为合理评估危险货物运输驾驶人驾驶过程中的风险倾向,建立危险货物运输驾驶人风险倾向聚类及辨识体系,以动态监控系统中记录的驾驶人实时违规预警数据为基础,选取可能引发交通冲突的安全关键事件为特征参数,利用探索性因子分析方法实现指标降维,提取驾驶人风险倾向主因子,并通过K-means算法聚类不同风险倾向的驾驶人,最后基于聚类结果监督训练随机森林模型,辨识未知驾驶人的风险倾向。结果表明,利用选取的8类安全关键事件特征参数,可以将驾驶人风险倾向划分为攻击驾驶倾向、鲁莽驾驶倾向、驾驶分神倾向和驾驶疲劳倾向,且可以识别风险较低的驾驶人,基于随机森林模型的驾驶人风险倾向识别准确率为88.68%,可以较好地实现危险货物运输驾驶人风险倾向辨识。研究结果为危险货物运输驾驶人风险倾向分类及识别提供了方法依据。     

飞机冲偏出跑道人为差错量化分析模型

为了分析飞机冲偏出跑道的人为差错,找到重点防控对象,提出了冲偏出跑道人为差错量化分析模型。首先应用STPA方法对飞机滑行、起飞及着陆程序进行建模,构建安全控制结构图,找出飞机冲偏出跑道的人为差错。然后将它作为BP神经网络的输入层节点,构建24-6-3的3层BP神经网络模型,从ASRS系统中抽取民航领域近5年的冲偏出跑道不安全事件报告作为数据源,根据发生阶段的不同将不安全事件报告分为滑行阶段、起飞阶段、着陆阶段3类,最后将数据源输入BP神经网络模型中进行训练,并利用测试数据检验模型的合理性,准确率为86. 7%。结果表明,特殊情况下机组人员操作不熟练、刹车系统/方向控制错误等是构成所有阶段冲偏出跑道的主要人为差错,飞机冲偏出跑道的发生阶段不同,影响因素的影响程度也不同。     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

基于蒙特卡洛方法的着陆擦机尾风险预测

为解决对航班和机队着陆时擦机尾风险客观预测问题，基于飞行QAR数据和蒙特卡洛模拟方法，建立擦机尾风险预测模型，将某航空公司Boeing737-800机队的380套QAR数据作为样本数据，运用MATLAB编程进行5 000次模拟抽样试验，得到不同机队着陆时俯仰角的分布和擦机尾风险预测曲线。研究结果表明:当着陆俯仰角大于4.5°时，机队2擦机尾风险较大；运用蒙特卡洛模拟预测的飞机着陆俯仰角更为稳定和准确。该模型可进一步软件化，为航空公司的擦机尾超限事件管理提供可靠性指标参考，实现对飞行员操作风险的动态管理。     

基于民航安全信息文本挖掘的进近着陆致险因素分析

为有效识别飞行进近着陆阶段致险因素,以进近着陆不安全事件为对象,利用Python语言和文本挖掘方法对文本进行预处理,获取包含关键特征值和特征权重的高维稀疏原始特征向量集合;利用卡方统计对致险因素原始特征项进行降维,得到30个维度文本特征项,借助词云图将文本挖掘结果可视化;通过人为因素、飞机故障、环境因素和管理因素4个层...     

基于心理感知的铁路综合客运枢纽客流疏解预警研究*

为解决铁路综合客运枢纽客流疏解预警忽略旅客心理感知与焦虑问题,基于状态焦虑问卷,定量描述旅客焦虑状态,通过引入心理测量学中积极率划分客流疏解等级阈值,确定枢纽客流疏解预警等级,构建以旅客感知疏解时间为预警指标的回归预测模型。研究结果表明:模型可定量预测枢纽站各种交通接驳方式客流的感知疏解时间,准确描述枢纽站预警等级,研究结果可为管理人员选择相应疏解措施提供依据。     

基于特征提取的输油管道泄漏系数预测*

为准确预测管道泄漏系数,估计管道泄漏量,以基于瞬变流方法的模拟数据为例,建立多个管道泄漏系数预测模型(多层感知机、长短期记忆网络、随机森林、支持向量机以及K近邻回归),综合考虑管道流量和压力数据特点,提出序列提取法和均值提取法2种管道时序数据预处理方法,模型评价指标为相关系数（R2）和平均绝对百分比误差（MAPE）。研究结果表明:随机森林和多层感知机的抗噪性较强,在5%的噪声影响下,模型准确度下降幅度较小;均值提取法去噪功能较好,可在一定程度上降低噪声影响;基于均值提取法的多层感知机模型效果相对较好,R2为0.997 5,MAPE为1.599%,研究结果可为准确预测管道泄漏系数、估计泄漏量提供指导。     

基于关联规则的跑道着陆事件演化网络构建研究*

为了提高航空运输系统安全性,针对航空器着陆过程中冲偏出和重着陆事件的关联机理开展研究。以84起跑道着陆事故调查报告为样本,利用Python分词工具提取风险因素并建立跑道着陆事件数据集,应用Apriori算法挖掘风险因素间关联规则,基于复杂网络理论构建该类事件演化网络,分析社团结构和拓扑特征。研究结果表明:本文所构建的网络密度为0.143,网络较为紧密,风险因素间强关联;网络社团结构显著,符合飞行操纵、运行状态、运行环境、不利条件的分类特点;网络关键节点“航线训练”、“接地速度大”综合值分别为0.599 8、0.589 0。研究结果可为飞行安全研究提供新思路。     

基于EEMD-LSTM模型的尾矿库风险预测模型研究*

为了提高尾矿库风险预警能力,针对尾矿库稳定性受多种风险因素影响,以及风险变化的非线性,提出1种融合集合经验模态分解（EEMD）和长短期记忆（LSTM）的尾矿库风险预测模型。首先,采用皮尔逊相关系数分析尾矿库风险因素之间的相关性;然后,使用EEMD方法分解非线性的位移序列;最后,构建LSTM网络模型预测位移变化。以某尾矿库为例,将EEMD-LSTM模型与EEMD-BP模型、LSTM模型对比分析,评估模型的有效性。研究结果表明:EEMD-LSTM模型对尾矿库风险的预测精度明显提高,对防范化解尾矿库安全风险具有重要意义。     

基于支持向量机(SVM)的民用飞机重着陆智能诊断研究

针对国内航空公司对于重着陆的判断方法存在的不足,提出采用支持向量机(SVM)建立重着陆的智能诊断模型;分析对重着陆产生影响的相关因素,在力学基础上揭示了重着陆的产生原理;利用快速存取记录器中记录的多个飞行参数的信息,采用B737机型的实际样本数据进行训练和验证。结果表明:该方法能有效判断出是否发生重着陆,其准确率高达92.86%,证明该重着陆智能诊断方法具有较强实际应用价值,为后续研究奠定了基础。     

基于强化学习的城镇燃气事故信息抽取方法

为解决因城镇燃气事故调查报告标注样本缺乏,从而影响命名实体识别性能这一问题,提出基于BiLSTM-CRF+强化学习的燃气事故领域命名实体识别方法。首先在数据预处理阶段,采用基于文本结构的主旨段落抽取方法,识别事故调查报告的关键段落;其次在模型训练阶段,采用BiLSTM-CRF+强化学习模型,实现城镇燃气事故命名实体识别模型训练;最后利用城镇燃气事故调查报告作为试验数据进行验证。研究结果表明:经由强化学习模型降噪后,实体识别模型的综合评价指标提高5.76%,主旨段落识别方法相比Word2vec特征表示方法,使模型的综合评价指标提升7.17%。