基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.     

基于复杂网络的航班运行风险传播分析

为研究航班运行风险传播机理,基于民航航班运行程序,采集航班运行数据及航空公司、机场、机组、机务、空管等工作表现做为研究样本;采用经验建网法、时间序列相空间重构法和Spearman 相关系数3 种方法,构建面向航班运行风险传播问题的复杂网络,经过计算证实,使用Spearman 相关系数建网效果最佳;对应民航常用控制方法,引入重要度r 、改进感染率β′和改进恢复率γ′概念,提出适用于航班运行的改进SIR 模型,最后对风险网络传播进行动力学分析. 计算结果表明：重要度r =0.4 时,感染节点密度曲线峰值下降10%,达到峰值时间推迟5%;改进恢复率γ′=0.9 时,感染节点峰值降低6%. 证实加入重要度,改进恢复率可有效抑制风险网络传播;说明识别风险网络中对关键节点加以控制,提高风险节点恢复比率和速度,可有效提高航班安全保障能力.     

基于EEMD-ELM 的航班运行风险混沌预测

针对航班运行风险可靠预测方案，以某航空公司2016-2018 年航班运行风险数据为基准，通过相空间重构，序列混沌特征的识别，构建基于极端学习机(ELM)的航班运行风险混沌短期预测模型，基于集成经验模态分解(EEMD)阈值降噪方法进行改进；最后，计算风险预测结果，分析不同方式下的预测精度. 结果表明：航班运行风险时间序列具有混沌特征， EEMD方法可抑制序列本征模态函数(IMF)的模态混叠现象；经由EEMD阈值降噪处理后，短期预测结果的修正平均绝对百分误差(MAPE)值显著下降. 证实本文航班运行风险预测方案可行且有效.     

基于运行数据的航班运行关键风险因素推断

为降低由于运行控制人员个体差异导致的航班运行风险,提升航空公司运行 控制能力,通过对航班运行程序的系统分析,结合运行数据,从飞行机组、机场、天气、航 路和航空器等运行角度筛选风险因素,建立航班运行控制风险评估指标体系;利用基于 事故树的贝叶斯网络分析方法,以历年不安全事件报告为样本,正向推理预测得到不安 全事件发生概率;综合3 种重要度分析结果,辨识关键致险因素.结果表明,机长和副驾驶 技术水平、机组间搭配、与空管人员配合等5 项关键风险因素概率值超过了40%,严重影 响航班运行安全.风险推断结果与实际运行情况相符.