基于CNN-LSTM混合模型的民航非计划事件分析方法.pdfVIP

Vol.52No.6计算机与数字工程总第416期

1714ComputerDigitalEngineering第52卷

2024年第6期

基于CNN-LSTM混合模型的民航非计划事件

分析方法∗

1112

王捷周迪左洪福陆扬

（1.南京航空航天大学民航学院南京211106）（2.东南大学电气工程学院南京210018）

摘要安全是民航业的核心主题，非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结

构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度，论文提出了一种基于

CNN-LSTM的混合深度神经网络模型，用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较，在航空

公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明，所提出的CNN-LSTM混合模型具有

最高的分类准确率，对于不平衡数据样本，具有最稳定的分类性能。

关键词深度学习；民航安全；文本分析；卷积神经网络；长短时记忆神经网络

中图分类号TP391DOI：10.3969/j.issn.1672-9722.2024.06.021

AnalysisMethodofCivilAviationUnplannedEventsBasedon

CNN-LSTMHybridModel

1112

WANGJieZHOUDiZUOHongfuLUYang

（1.CollegeofCivilAviation，NanjingUniversityofAeronauticsandAstronautics，Nanjing211106）

（2.SchoolofElectricalEngineering，SoutheastUniversity，Nanjing210018）

AbstractSafetyisthecorethemeofthecivilaviationindustry，andunplannedeventsareanimportantsourceofinformation

foridentifyingsafetyhazardsandimprovingaviationsafety.Theunstructuredandlargenumberofunplannedeventsmakemanual

analysisdifficultandinefficient.Inordertoimprovetheanalysisefficiencyandaccuracyofunplannedevents，thispaperproposesa

hybriddeepneuralnetworkmodelbasedonCNN-LSTM，whichisusedfortheautomatedanalysisofcivilaviationunplanned

events.ItiscomparedwithSVM，CNNandLSTMmodels，trainedontheairlineeventlogsampledataset，andjudgedtheevent

classificationresults.TheexperimentalresultsshowthattheproposedCNN-LSTMhybridmodelhasthehighestclassificationaccu⁃

racy，andhasthe