基于人工神经网络的机场鸟击风险预测

鸟击是影响民航机场运行安全的重要因素之一。为研究鸟类活动特征并预测其活动所造成的风险,基于某机场长期鸟类活动调研数据分析了鸟类活动与鸟击风险的关系,得到了4类12项对机场鸟击影响最紧密的风险因素。将上述因素作为输入向量,以鸟击风险作为输出变量,通过人工神经网络法(ANN)建立了机场鸟击风险预测模型,以长期鸟类活动风险记录作为数据库来训练和验证ANN模型的准确性,为提高预测的可靠性,又进行了模型优化和机场实地验证。结果表明,建立合理的ANN模型并利用长期鸟类活动数据加以训练,可有效预测机场鸟击风险。选择合理的输入变量可提高分析速度和预测精度,不仅有助于ANN模型的优化,还可以扩大ANN模型的应用领域以适应不同机场的鸟类活动特征,做出更合理的鸟击风险预测,为机场运行保障提供有力的技术支持。综合考虑"鸟""机""环""管"等因素建立的飞行区鸟击风险预测模型表明,飞行速度(V)对鸟击风险因素评价的影响最小,飞行高度(H)和飞行路线(R)对鸟击风险因素评价的影响相对较小。