基于深度学习的飞机危险识别与趋势预测方法

摘要

本发明提出一种基于深度学习的飞机危险识别与趋势预测方法。首先，利用飞机通信寻址与报告系统以报文的形式收集飞机运行状态信息；然后，利用结合交叉验证的递归特征消除方法(RFECV)进行关键参数筛选；随后，利用粒子群算法优化过的支持向量机模型(PSO‑SVM)进行危险识别；最后，利用长短时记忆(LSTM)趋势预测模型对粒子群算法优化过的支持向量机模型(PSO‑SVM)危险识别模型判断为不存在危险的飞机进行关键参数趋势预测，基于预测结果判断飞机是否存在潜在危险。本发明提出的方法有效提高了危险识别和趋势预测的准确率，能够实时获取危险识别和趋势预测结果。本发明对民用飞机风险管理具有重要的理论和应用价值。