通过将LSTM算法集成到机场安全保证中的风险评估和预防
Yao Hu1, Liguang Qiao2, Feng Gu3
1College of Civil Aviation Safety Engineering, Civil Aviation Flight University of China, Guanghan, Sichuan, China.
PloS one
|January 3, 2025
概括
本研究介绍了一种LSTM算法用于机场安全风险评估,改进了传统方法. 该模型准确预测风险,增强实时监控和预防能力,使机场更安全.
科学领域:
- 航空安全航空安全
- 人工智能的人工智能
- 风险管理 风险管理
背景情况:
- 传统的机场安全保证严重依赖于人类的经验,导致主观性和工作量等局限性.
- 现有的机场风险评估和预防方法往往是低效的,容易出现错误.
研究的目的:
- 通过使用LSTM算法,开发一个用于机场安全的综合风险评估和预防机制.
- 通过利用历史飞行数据,提高机场安全保证的准确性和稳定性.
主要方法:
- 收集和分析机场飞行安全日志数据集,以确定飞行故障的原因.
- 提取和分析诸如天气,设施检查和安全检查等特征,以创建一个风险预警重量表.
- 开发和训练了一种长期短期记忆 (LSTM) 模型,以识别,预测和警告潜在的机场安全风险.
主要成果:
- 该LSTM模型的准确性很高,标准误差低于0.18,决策系数高于0.9.
- 预测数据与实际数据有很强的一致性,表明模型的稳定性.
- 该算法有效地识别了早期风险检测和预警的模式和趋势.
结论:
- 开发的LSTM算法显著改善了机场安全风险评估和预防能力.
- 该模型增强了实时监控,协助决策,并优化了机场安全方面的资源配置.
- 这种方法有效地减少了潜在风险造成的损失,并加强了整体机场安全.
