[发明专利]一种基于数据驱动的民机安全趋势预测方法

权利要求书

1.一种基于数据驱动的民机安全趋势预测方法，其特征是，包括有以下步骤：

S1、收集获取对应型号飞机的安全问题信息数据；

S2、将收集的安全问题信息数据按照信息数据类型进行分类，分为数值型、文本型、编码型及其他类型；

S3、将文本型、编码型及其他类型数据进行赋值处理为数值型数据；首先对文本型和编码型数据进行标准化，每条文本由相同的词语类型和文本结构组成，除连接词外的信息涵盖了事件的时间、地点、原因各个要素，每个要素包含若干固定选项；再对各选项进行赋值，并剔除连接词，将整条文本完全转化为数值型数据；

S4、将获取及经处理后的数值型数据引入深度学习神经网络进行变换，并将原数值空间投影至新的空间，通过设置隐藏层的层数和每层函数对数值进行分类、折叠、压缩及投影；

S5、通过深度学习神经网络进行预测得到预测结果，将获取的预测结果与实际结果比对，当比对结果未达到设定所需标准时，返回步骤S4并对设置的隐藏层的各层函数进行调整，以此反复训练深度学习神经网络；当比对结果达到设定所需标准时，完成神经网络的训练；

S6、进行封装，内置系统更新代码，将后续每一次预测结果与实际结果作为新的训练数据对预测方法进行更新。

2.根据权利要求1所述的基于数据驱动的民机安全趋势预测方法，其特征是，步骤S1中获取的安全问题信息数据包括有：

数值型数据：故障次数、故障率；

文本型数据：故障位置、故障描述；

编码型数据：换件编号、维修方法。

3.根据权利要求2所述的基于数据驱动的民机安全趋势预测方法，其特征是，步骤S2中对各类型数据的处理具体为：

文本型数据：对文本型数据进行特征字段提取，并查询获取提取的特征字段对飞机安全的重要程度，根据重要程度进行复数形式赋值；

编码型数据：评估获取编码型数据所指代的维修时间的严重程度，根据严重程度对编码信息进行复数形式赋值。