[发明专利]一种基于数据驱动的民机安全趋势预测方法

说明书

本发明公开了一种基于数据驱动的民机安全趋势预测方法，解决了现有对飞机安全的预测存在数据范围小、预测精度低的问题，其技术方案要点是通过对收集的安全问题数据进行分类并转换为数值型数据实现数据挖掘，通过深度学习神经网络变换处理进行训练及预测，本发明的一种基于数据驱动的民机安全趋势预测方法，能增加数据的多样性，提高预测的适用范围，有效提升预测结果的精度。

技术领域

本发明涉及民机安全趋势预测技术，特别涉及一种基于数据驱动的民机安全趋势预测方法。

背景技术

民机运行安全状态和趋势的预测问题十分复杂，其复杂性首先体现在数据的繁琐和多样性。以往的安全管理手段主要是事后管理，即针对飞机运营中出现的问题进行调查和整改，取得了一定效果。为了进一步提升安全管理所带来的效益，对飞机的安全预测进一步发展，现有的预测方法和系统中大多直接选取运营中可视化数据的部分，目前已有的专利或公开文献中，针对国产民机安全趋势的预测方法和系统的研究较少，且主要以飞机运营中的部分可视化数据为基础，通过一些诸如BP神经网络、灰度预测模型等方法，对飞机的安全状态和趋势的某一方面进行短期预测，但这些方法和系统的适用范围和预测精度都有待提升，且预测所采用的数据量和数据的涵盖范围都有所折扣，从而导致预测结果有时不尽如人意，还有待改进的空间。

发明内容

本发明的目的是提供一种基于数据驱动的民机安全趋势预测方法，能增加数据的多样性，提高预测的适用范围，有效提升预测结果的精度。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于数据驱动的民机安全趋势预测方法，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；其中，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，文本中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。

作为优选，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。

作为优选，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。

综上所述，本发明具有以下有益效果：