文献类型：期刊文章

作　　者：梁文娟[1] 李雪艳[2]

LIANG Wenjuan;LI Xueyan(Flight Technology College,Civil Aviation University of China,Tianjin 300300,China;College of Science,Civil Aviation University of China,Tianjin 300300,China)

机构地区：[1]中国民航大学飞行技术学院,天津300300 [2]中国民航大学理学院,天津300300

出　　处：《安全与环境工程》

基　　金：民航局应用技术研发项目(20150204);中央高校基本科研业务费项目(3122014D044)

年　　份：2018

卷　　号：25

期　　号：1

起止页码：130-136

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、JST、核心刊

摘　　要：应用差分自回归移动平均模型(ARIMA)、最小二乘支持向量机模型(LS-SVM)和BP神经网络模型(BPNN)的组合模型,对某航空公司运输的月度飞行事故征候万时率进行预测分析。首先,利用2008—2016年某航空公司的事故征候、飞行小时、航空器数量、原油价格等历史数据建立ARIMA模型,应用SPSS软件进行模型拟合,获取飞行事故征候万时率的线性部分;然后,利用LS-SVM和BP神经网络建模,获取飞行事故征候万时率的非线性部分;最后,利用DS证据理论,实现三者的融合,获得ARIMA+LS-SVM+BPNN组合模型,利用组合模型对2017年1至3月该航空公司的月度飞行事故征候万时率进行预测,并用实际数据进行了验证。结果表明:组合模型较好地拟合了飞行事故征候万时率的历史序列,并获得了较高的预测精度;组合模型的短期(3个月)预测值与该航空公司飞行事故征候万时率的变化趋势完全一致,且预测精确度可接受。该研究可为航空公司安全与运行的趋势分析与判断提供数据依据,也可为航空公司制定针对性的飞行事故征候防控方案提供帮助。

关 键 词：飞行事故征候万时率  组合模型  差分自回归移动平均模型  最小二乘支持向量机模型  BP神经网络模型 航空安全

分 类 号：X928.03[安全科学与工程类] V328]