基于BP神經網絡的航空安全風險評估

1、基于BPBP神經網絡的航空安全風險評估本文的主要研究思路通過在已有的航空安全風險評估技術體系上，結合BP神經網絡算法，建立評估模型，獲得一個完整的評估體系，用BP神經網絡法對實際航班運營數據有效地評估航空安全風險，得到一個量化的值，針對得出的實際結果，分析并采取一定措施來保證航空安全風險管理的有效性。本文所采用的安全風險評估流程1 明確被評價對象和范圍2 收集歷史飛行數據，歸納總結出最主要的航段風險因素3 對涉及航段風險的主要因素進行分析,將其風險因素映射到具體的飛行參數中去,轉變?yōu)閷︼w行數據的定性評估4 建立新的航段風險評估的指標體系5 建立航段安全風險評估模型6 根據評估結果，提出避免和減

2、少航段風險的措施和建議,使風險降低到可接受水平之下。航空安全風險評估技術飛行操縱品質監(jiān)控 FOQA航班運行風險評估系統(tǒng) FORAS 飛行數據事件風險評估系統(tǒng) FDERASBPBP神經網絡數據的來源及處理本文所采用的數據來源于真實的航班飛行數據，主要機型源于波音737和空客A320這兩種常見機型，其中記錄的數據包括飛機飛行之中的各個參數。對于得到的數據，我們在MATLAB之中，應用相關語句對其進行歸一化 處理，針對BP網絡隱含層函數的特性，歸一化到0.1,0.9之間，使其處于收斂范圍內。建立BPBP神經網絡模型建立該模型的難點在于確定隱含層的節(jié)點數，首先先選用少量的隱含層節(jié)點，然后逐步增加，函數

3、為SIGMOID型函數。將選取的10組數據代入，通過MATLAB自帶神經網絡模型進行訓練，設定訓練次數500次，學習率0.01，系統(tǒng)自動調整權值通過自動訓練最終誤差逐漸減小，訓練成功，代入一組數據測試32 0.17 123 -191 5.6 0.9 -0.055 0.064 -50 9 6 54 54 1 0 1 3;，獲得a=3.09 2.849 3.112 2.798 2.855，期望輸出：3.142 2.857 3.142 2.8 2.857 神經網絡模型有效?；贐PBP神經網絡的航空安全風險評估操作在已建立的神經網絡基礎上,將真實的航班運營數據代入到神經網絡中進行運算，得到5個輸出結

4、果（例輸入2008，6.62，193，-1296，-1.8，-0.3，-0.015，0.002， -104，13，2，30，30，1，1，1，-3輸出3.3，3.0，3.1，3.5，3.1最終得到的五個輸出，乘以經驗權重值得到最終的一個結果，即為我們所需要的安全裕度值區(qū)間（例（2,4）安全裕度等級劃分對裕度值進行定義，將其范圍分割成十個不同的等級，具體為0-9。安全風險和裕度值之間呈負相關關系，根據這一原理對飛機飛行安全風險進行評價。安全裕度安全裕度0，5安全裕度安全裕度(5，90，2(2，4(4，5(5，6(6,7(7,9結論與措施針對不同的區(qū)間的事件，我們采取不同的措施來應對。在例子中，我們獲得的安全裕度區(qū)間：（2,4，根據我們對安全裕度區(qū)間的定義，該區(qū)間屬于備降區(qū)間，這時作出飛往備降機場的決定，否則會對安全造成影響。根據以上一系列的評估流程與結果，該方法能夠有力地證明了這種神經網絡不但可以實