首页> 中文期刊>航空计算技术 >基于文本挖掘的空管不正常事件风险预测研究

基于文本挖掘的空管不正常事件风险预测研究

     

摘要

人为因素是导致航空事故的主要原因。在空管系统安全问题频发的背景下,以空管不正常事件为研究对象,采用Python语言对空管不正常事件记录进行文本挖掘分析。建立概念向量空间模型,解决一义多词问题。提出将空管风险模式抽象为主题,采用LDA(潜在狄利克雷分配)算法围绕风险主题提取风险致因因素。相比于TF IDF算法,LDA能挖掘出更多潜在风险致因因素,且与专家评审意见基本一致,证明了方法的可靠性,实现了风险致因因素的自动提取。提出将LDA提取的风险致因因素与HFACS模型进行整合,形成以人为因素为中心的风险贝叶斯预测网络。考虑到不正常事件为不完全样本,使用EM算法优化贝叶斯网络参数。通过Netica软件对测试记录进行预测,验证了方案的有效性,同时也证明了文本挖掘结果的正确性与客观性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号