基于鸟击事故征候预测的通用航空安全研究

作为民航运输的两翼之一,通用航空安全水平直接影响民机系统的安全。目前,对通航以及鸟击事故征候进行预测的研究较少,本文根据收集到的美国从事通用航空活动发生鸟击事故征候安全状况数据,采用长短期记忆(long short-term memory,LSTM)神经网络模型对鸟击事故征候数据进行训练和预测。实验结果显示,与传统模型相比,LSTM模型具有更好的预测效果,精确度更高。基于此,提出了预测稳定性更好的LSMT-均方根误差(LSTM-root mean square error,LSTM-R)模型,为通用航空鸟击事故征候预测提供了手段和方法,加强了通用航空安全管理。

基于X-12-ARIMA模型的中国民航鸟击事故征候分析

近年来,随着我国民航运输量加大,鸟击事故征候随之增加,2006-2017年鸟击事故征候数占事故征候总数的51.609%。运用X12季节调整法对2006-2017年鸟击月度事故征候万次率时间序列进行分解,分解为趋势循环因素、季节因素和不规则因素。各因素序列波动曲线表明,从长期来看,鸟击对中国民航安全的威胁不断加大;鸟击受季节性因素影响较大,春季4、5月份与秋季9、10月份的季节因素波动最为明显;鸟类受天气、人类活动、自然灾害等突发事件的影响而进行的群体性的迁徙活动严重影响飞机起降安全,2006年1月到2010年1月期间的鸟击事故征候万次率不规则因素波动幅度明显,2012年1月与2013年12月等个别月份波动幅度较大。