资源描述：
《民用飞机进近着陆阶段灾难事故类型预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第46卷第4期航空计算技术Vol.46No.42016年7月AeronauticalComputingTechniqueJul.2016民用飞机进近着陆阶段灾难事故类型预测郭媛媛,孙有朝,李龙彪,胡宇群(南京航空航天大学民航学院,江苏南京210016)摘要:为减少民用飞机进近着陆阶段发生灾难事故,给出了1985年至2013年灾难性事故样本,获得了3种主要事故类型和14种关键致因。提出了一种灾难事故类型的预测方法,建立了事故类型预测流程,样本事故致因作为输入层,样本事故类型作为输出层,基于BP神经网络和Elman神
2、经网络进行多次训练和仿真。结果表明,预测的事故类型与实际情况基本吻合。针对事故致因有效判断民用飞机在进近着陆阶段潜在事故,给出纠正措施,保障航空运行安全。关键词:民用飞机;进近着陆;事故类型;BP神经网络;Elman神经网络中图分类号:V328.5文献标识码:A文章编号:1671-654X(2016)04-0031-04PredictionofCatastrophicAccidentTypesofCivilAircraftatApproachandLandingPhasesGUOYuan-yuan,SUNYou-
3、chao,LILong-biao,HUYu-qun(CollegeofCivilAviation,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016,China)Abstract:Inordertoreducedisasteraccidentsofcivilaircraftatapproachandlandingphases,thecata-strophicaccidentssampleshavebeenlistedatthesespecific
4、phasesfrom1985to2013.Threemaintypesofcatastrophicaccidentsandits14keyreasonsarealsogivenfromthesamples.Moreover,apredictionmethodofcatastrophicaccidenttypeshasbeenproposedandthepredictionprocessoftheseaccidentstypesaregivenatapproachandlandingphases.Withaccid
5、entreasonasinputlayer,andaccidenttypeasoutputlayer,thetrainandsimulationhavebeencarriedoutmanytimesbasedonBPneuralnetworkandElmanneuralnetwork.Theresultsshowthattheactualvaluescloselymatchthepredictedvalueswithanacceptableleveloferror.Thecorrectivemeasurescan
6、betakenbasedontheeffectivejudgmentofacci-dentsthatmighthappenatapproachandlandingphases.Keywords:civilaviation;approachandlanding;accidenttypes;BPneuralnetwork;Elmanneuralnet-work[3]引言对事件风险类型进行分类;丁松滨等采用BP神经网络的时间序列非线性预测模型及方法,对飞行事故国际飞行安全基金会指出,民用飞机在运行中一[4]半的事故发生
7、在进近着陆阶段。飞行员在进近着陆阶万时率进行预测;聂润兔等基于BP神经网络研究段负荷最重,是航空飞行器最易发生重大事故的阶了飞机性能计算的可行性。[1]本文对国内外民用飞机进近着陆阶段事故类型及段。事故致因包括一些确定性因素,如机组、机务、事故致因进行研究,提出了一种民机进近着陆时对灾机械、空中交通管制、地面保障和不可控制的意外因难事故类型的预测方法。通过BP神经网络和Elman素,如天气、鸟击等,难以用简单的数学模型分析计算。神经网络对事故样本训练和仿真,建立了事故类型预人工神经网络具有强大的非线性映射能力,具
8、有自适测流程,找出了样本事故致因和事故类型之间的隐含应、自学习、容错性和并行处理等性质。目前,李龙彪[2]关系,完成了民用飞机进近着陆阶段的事故类型预测。等建立了民用飞机持续适航阶段的风险评估方法,收稿日期:2016-04-27修订日期:2016-06-21基金项目:国家自然科学基金委员会与中国民用航空局联合项目资助(U1333119);国防基础科研计划项目资助(JCKY
