基于Volterra级数的航空年事故率预测方法

针对当前航空年事故率传统预测精度不高的问题,从分析混沌特性入手,对事故数据重构相空间,构建了航空年事故率预测的Volterra级数模型。对航空年事故率数据进行预处理,采用0-1混沌特性判定方法判断时序的混沌特性;在混沌时序的基础上,应用互信息法和假近邻法确定相空间的参数,重构相空间;基于此,构建二阶Volterra自适应预测模型,并采用NLMS算法实时获取模型的最优参数;最后,应用模型对美国空军飞行事故万时率进行预测,能够将相对误差控制在2%以内,优于传统灰色时序组合预测模型,所建的模型反映了航空装备的安全状况。

基于B-ELM的通航事故预测

高水平的航空安全始终是航空业追求的目标。为了满足未来通航业风险分析和优化的需求,基于美国国家运输安全委员会(NTSB)航空事故数据库近11年的数据,建立了基于极限学习机的小样本事故数据预测模型,并通过实验对比了普通增量式极限学习机模型及传统的小样本数据预测GM(1,1)模型。实验结果证明提出的分析方法和模型在通航业小样本数据集的输入情况下有较高的准确率,能够为行业安全发展起到一定的指导意义。