曝光台 注意防骗
网曝天猫店富美金盛家居专营店坑蒙拐骗欺诈消费者
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
3 收稿日期: 2007 - 12 - 27
作者简介: 王洪德,教授,博士,从事系统可靠性工程、安全评价、
灾害预防处理等研究,hongde @djtu. edu. cn。
文章编号: 100926094 (2008) 0420139205
基于BP 神经网络的民航
机场安全预警研究
3
王洪德, 潘 科
(大连交通大学土木与安全工程学院,辽宁大连116028)
摘 要: 在完善、改进已有民航机场安全预警指标体系及其指标值的
基础上,突破民航机场传统的危险预警模式,建立基于BP 神经网络
的民航机场安全预警模型。采用SPSS 主成分分析法对模拟数据进行
预处理,基于MATLAB 软件实现网络模型的训练与检测,从而实现安
全预警。研究表明此模型是可行有效的,可为研究机场安全预警问题
提供新的思路和方法。
关键词: 安全管理工程; 民航机场; BP 神经网络; 安全预警
中图分类号: X91314 文献标识码: A
0 引 言
民航机场是我国空中交通的重要基础设施,通常包括供
航空器起飞和着陆滑行的飞行区、供航空器上下客货邮件的
运输区(航站区) 、供航空器维护修理的机务维修区等。机场
安全通常包括航空器的安全起降和对机场设施的安全保障,
这也是民航机场在正常情况下应发挥的重要功能。然而,由
于多种原因,民航机场事故的发生难以避免。中国民航近10
年(1996 —2005) 共发生运输飞行事故9 起,其中重大以上飞行
事故7 起; 共发生1 147 起飞行事故征候,其中运输飞行事故
征候1 040 起。对事故的调查表明,机组原因、机械/ 机务是事
故发生的主要原因。而从事故征候种类统计看,1996 —2005
年鸟击(282 起) 、空中停车(256 起) 、偏出/ 冲出跑道/ 场外接
地(80 起) 所占的比重较大,分别占2416 %、2213 %和710 %[1 ] 。
因此,如果飞行的自然环境和人工环境良好,机场的应急援救
设施完善、组织工作严密有序,很多事故的发生是可以挽救或
避免的。
罗帆等[2 ]在民航机场安全预警的管理组织等方面进行了
专门研究,并提出了相应的预警指标及模型。本文引入BP 网
络对民航机场安全预警进行研究,以改进现有预警方法和模
型存在的欠缺,使民航机场安全预警研究更加完善,从而提高
预警结果的全面性和准确性。
1 民航机场安全预警指标体系的建立
111 民航机场安全预警指标体系分类
机场安全预警指标体系由4 个模块、共35 项构成,包括
行为人因素预警指标6 项,机务因素预警指标6 项,环境因素
预警指标9 项和管理因素预警指标14 项,如表1 所示[2 ] 。其
中,环境因素预警指标并非反映机场自身问题,但从机场角度
监测或识别这些指标,既有利于机场预警指标体系的完整性,
又有利于对航空公司和空管预警系统的支持。根据指标的重
要程度及在预警中的作用,可将其分为敏感预警指标、重要预
警指标和辅助指标,在表1 中分别用数字1、2、3 对应表示。
112 民航机场安全预警指标的量化与测评
民航机场安全预警指标体系的建立应尽可能实现预警信
息的定量化、条理化和可操作化,使预警指标体系真正反映机
场所面临危险的实际情况。为简化计算,引用上述预警评价
指标中的全部敏感预警指标和部分重要预警指标,确认BP
网络模型的输入结点,并给出相应值域范围,如表2 所示。基
于所确定的值域范围实现数据模拟,详见表3[3 ] 。
2 基于BP 神经网络的民航机场安全预警系统的建
立及应用
211 基于BP 网络的民航机场安全预警系统的构建
由于BP 神经网络具有很强的学习、自适应能力和非线
性处理能力[4 - 6 ] ,因此可以将其运用到民航机场安全预警研
究中。在预警数据库的基础上,安排专家的知识系统让其学
习,进而建立一个完整的基于BP 网络的民航机场安全预警
系统,系统结构见图1。
212 基于BP 网络的民航机场安全预警模型的验证
根据表2 和3 共模拟了18 个指标的12 组数据以建立所
需的BP 网络预警模型,并经SPSS 主成分分析软件简化,简化
后的指标见表4。有两点需要注明:
1) 对于主观指标可以采用专家打分法进行量化,该方法
的优点在于简单、易懂、节约时间,但一般要求专家的人数不
能太少;
2) 一般来说,对于某些定量指标,期望它们的取值越大越
好,这类指标称为极大型指标; 而对于另一类指标,期望它们
的取值越小越好,这类指标就称为极小型指标。
本文选择简化后预警指标体系的10 项指标作为BP 模型
的输入节点,并对原始的模拟数据进行归一化处理,以降低各
影响因素指标值在相对值空间上的距离。若Mj = max
i
{ xij} ,
mj = min
i
{ xij} ,则
x′ij = ( xij - mj) / ( Mj - mj) (1)
式中 xij为原始数据; x′ij ∈[0 ,1 ]为归一化后的无量纲指标。
归一化结果[5 ,7 ]见表4。
对于BP 网络,其核心和难点是隐含层单元数的确定。一
般可考虑开始时放入较少的隐含层单元,学习一定次数后如
图1 基于BP 神经网络的民航机场安全预警系统结构图
Fig. 1 System structure of the security early warning
of civil aviation airport based on BP network
139
第8 卷第4 期
2008 年8 月
安全与环境学报
Journal of Safety and Environment
Vol. 8 No. 4
Aug , 2008
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
未成功,再逐步增加隐含层单元数; 也可以先增加足够的隐
含层单元,而后把学习中作用不大的连接权和隐含层单元删
去,这种方式可以确定最佳的隐单元数,但比较耗时。本文采
中国航空网 www.aero.cn
航空翻译 www.aviation.cn
本文链接地址：
鸟击资料2(94)
