基于神经网络方法的民航安全预测研究.pdfVIP

科技创新导报 2009 NO.32 Science and Technology Innovation Herald 研 究 报 告 基于神经网络方法的民航安全预测研究 於秋枫 曾鑫 陈通 (中国民航飞行学院 四川广汉 618307) 摘 要:为了对民航系统安全运行状态进行科学的分析和预测,选取能够反映民航安全综合状态的重要指标之一—飞行事故万时率,分别 采用BP神经网络和RBF神经网络的理论和方法对其进行分析预测和仿真验证。两种方法预测结果的对比分析表明神经网络方法能较准确 的预测出民航的综合安全状况,而相比于BP神经网络,RBF神经网络具有更高的预测精度。 关键词:神经网络 飞行事故万时率 民航安全预测 中图分类号:V32 文献标识码:A 文章编号:1674-098X(2009)11(b)-0016-02 安全预测是指以保持系统良好的运行 甚至避免事故的发生。飞行事故万时率是 (N+M+1)个样本(见表1)。 状态为目的的,根据系统安全运行的过去 综合反映民航安全运行状态的重要指标之 这样一来,就可以将每个样本的前N个 和现在的状态,对未来的发展状态作出的 一,本文将分别采用采用BP神经网络和 值作为神经网络的输入,后M个值作为目 [4] 推断和估计,它实际上是动态数据分析处 RBF神经网络对其进行预测研究,并作对 标输出。通过学习达到预测的目的 。按照 理的一个重要方面。传统的数值预测方法, 比分析。 上述方法将每5年的数据作为一个数据段, 如灰色预测法、线性回归法等,或因其收敛 即5年的事故万时率数据作为网络的输入 性、适应性以及预测精度不好,或因其对于 1数据处理 向量,输出则为预测年的事故万时率。 复杂随机因素缺乏内部平衡机制而对于含 本文采用1973-2003年民用航空飞行 有大量噪声的时间序列的预测效果不佳等 事故万时率的统计数据,把上述数据看作 2网络参数的设定 缺陷,使其应用受到较大限制。而人工神经 一个时间序列进行处理,因此可以假定有 将前21组样本作为训练样本,每组5个 网络是基于模仿生物大脑的结构和功能而 时间序列x={x|x∈R,i=1,2,…,L},现在 数据,后5个样本作为测试样本。分别用BP i i 构成的一种信息处理系统。它具有信息的分 希望通过序列的前N个时刻的值预测出后 神经网络和RBF神经网络进行预测仿真, 布存储、并行处理、自学习、自组织、较好的 M个时刻的值。这里可以采用序列的前N个 并进行对比分析。BP网络和RBF网络都采 容错性和强大的非线性映射能力等优点,已 时刻的数据为滑动窗,并将其映射为M个 用常用的三层,即输入层、隐含层和输出 经在信息处理、模式识别、智能控制以及系 值。这M个值代表在该窗之后的M个时刻上 层。经过多次matlab仿真实验,确定网络训 统建模等领域得到越来越广泛的应用。而在 的预测值。表1列出了数据的一种划分方 练的相关参数如下:BP网络的输入层神经 预测方面,已有多种类型的神经网络应用于 法。该表把数据分为K个长度为N+M的、有 元个数为5,隐含层神经元个数为11,输出 [1～2] 经济、交通、工业等领域的预测 。 一定重叠的数据段,每一个数据段可以看 层神经元个数为1,隐含层神经元传递函数 民航系统安全归根结底地说是要减少 作一个样本,这样就可以得到K=L- 为tansig,输出层神经元传递函数为logsig, 表1 数据划分方法 表2 预测结果与实际结果比较