CN109242243A

CN109242243A - 一种基于改进随机集贝叶斯网络的航班运行风险动态分析方法

Info

Publication number: CN109242243A
Application number: CN201810840749.5A
Authority: CN
Inventors: 刘君强; 张曦; 左洪福; 张振良; 黄亮
Original assignee: Nanjing University of Aeronautics and Astronautics
Current assignee: Nanjing University of Aeronautics and Astronautics
Priority date: 2018-07-27
Filing date: 2018-07-27
Publication date: 2019-01-18
Anticipated expiration: 2038-07-27
Also published as: CN109242243B

Abstract

本发明基于改进随机集贝叶斯网络的航班运行风险动态分析方法，包括影响航班运行风险的参数处理和运行风险的三个不同阶段分析计算。影响航班运行风险的参数处理包括：确定影响参数的数量；利用随机集理论进行参数处理；确定贝叶斯网络中的节点；划分贝叶斯网络中的父节点并赋基本概率值；计算随机集焦元所在区间及其概率；计算随机集焦元的像所在区间和概率赋值；得出贝叶斯网络条件概率表。运行风险的动态分析计算包括：结合具体机场的统计数据确定相关影响参数的初始值；根据天气状况对随机集贝叶斯网络中的天气参数进行相关调整；计算出每个时间段的航班运行风险的预测值；做出航班运行风险随时间变化的动态曲线。

Description

一种基于改进随机集贝叶斯网络的航班运行风险动态分析方法

技术领域：

本发明涉及一种基于改进随机集贝叶斯网络的航班运行风险动态分析方法，其属于航班运行风险预测领域。

背景技术：

航班运行风险是民航运行安全领域的研究重点，在保障航班安全运行方面有重要的研究意义，同时航班运行风险的预测也利用多种方法(如多元统计法、模糊归属函数、模糊集理论等)，对于准确预测航班运行风险的方法还在不断改进。

贝叶斯网络理论应用于故障诊断、寿命预测方面有一些成功的应用，随机集理论对于数据的处理进行近似处理，在保证计算精度的前提下，能够保持较好地准确性和便捷性，对于预测航班运行风险有一定的帮助作用。在国外的研究方面贝叶斯网络模型也广泛应用于评估安全、环境是否符合要求的基准。

当前航班运行风险方面偏重于静态分析，缺乏动态的分析研究，因此本文研究的是基于随机集贝叶斯网络的航班运行风险动态分析。运用随机集理论的方法可以处理一些不确定的信息。贝叶斯网络利用随机集理论处理过的数据对于航班运行风险进行推断，从而得到航班运行的风险，同时较其他的计算方法(蒙特卡洛模拟法)而言，随机集理论在与贝叶斯网络的结合，有着较为便捷的优点，有一定的参考价值。

发明内容：

本发明是为了解决上述现有技术存在的问题而提供一种基于改进随机集贝叶斯网络的航班运行风险动态分析方法，其对贝叶斯网络和随机集理论进行改进，实现了对于航班运行风险的预测，并且根据实际的机场环境和天气的实时变化做出相应的风险预测值，对于不同的天气阶段有不同的预测值，对于航班的安全运行具有一定的参考作用。

本发明所采用的技术方案有：一种基于改进随机集贝叶斯网络的航班运行风险动态分析方法，包括如下步骤：

(1).根据民航2018年综合统计调查，对于不正常航班的原因确定相关影响因素；

(2).根据航班运行风险的影响参数分类为主观因素和客观因素确定贝叶斯网络的节点，建立贝叶斯网络；

(3).根据随机集理论对已经建立好的贝叶斯网络中的节点进行参数处理，包括以下步骤：

1.在贝叶斯网络建立好的基础下，将每一个父节点的区间I_i划分为k个子区间并且对于每个子区间的基本概率赋予一个值

2.对于随机集的每一个焦元A_n，计算其所在区间和相应的概率M_n，运算方法是利用随机集的表达以及关系函数的表达形式；

3.由ζ＝f(ξ)可以计算出A_n的像所在值区间f(A_n)，以及其概率的赋值 p＝∑{M_n|R_n＝f(A_n)}；

(4).根据随机集处理参数得出贝叶斯网络的条件概率表；

(5).根据机场的统计数据确定较稳定参数的状态，收集天气状况，参考在三个不同的天气阶段下参数的调整方式，对其天气参数进行调整；

(6).根据改进随机集贝叶斯网络计算出航班运行的风险预测值，并且根据时间的变化作出航班运行风险预测值的动态曲线。

进一步地，步骤(4)根据不同区间变量的概率赋值表做出相应的变量所在区间的上下概率折线图，得到变量在不同概率区间的分布情况，即为所处理变量的条件概率表。

进一步地，步骤(5)根据机场的统计数据确定改进随机集贝叶斯网络中部分的参数的均值，对于随着天气变化较为明显的参数，需要根据当天的天气变化状况具体调整其数值，参考在不同的天气阶段下参数的调整方式，对其天气参数进行调整，从而进行航班运行风险的预测计算。

进一步地，步骤(6)根据步骤(5)中所计算出的航班运行风险随着天气变化的预测值，具体的天气变化导致的天气参数的变化体现在航班高风险预测值的变化，由此做出航班高风险预测值的折线图，即为当天航班运行风险的动态预测图，参考所得预测图对航班运行有所调整。

本发明具有如下有益效果：本发明所采用的基于改进随机集贝叶斯网络的航班运行风险动态分析方法，结合了随机集理论和贝叶斯网络的计算，而不是仅仅利用单一的贝叶斯网络进行数据处理，随机集理论不仅仅处理少量数据样本相关参数，明确有效；而且计算的精度可以根据实际的要求调整，灵活可靠。利用改进随机集以及贝叶斯网络的理论可以对于样本统计数据和随机变量的关系建立贝叶斯网络并对其进行相应的估计，得到的模型可以客观反映出一系列影响因素对于航班运行风险的影响。结合相应的天气变化和部分运行数据即可进行航班运行风险的动态预测，对于不同阶段的天气均可得风险预测值，在一定程度上对航班的起飞和降落有着参考意义。

附图说明：

图1为本发明基于改进随机集贝叶斯网络的结构框架示意图。

图2为贝叶斯网络算法流程。

图3为本发明航路环境风险的上下概率折线示例。

图4为本发明航班运行高风险概率预测值曲线图示例。

图5为综合算法流程。

具体实施方式：

下面结合附图对本发明作进一步的说明。

本发明基于改进随机集贝叶斯网络的航班运行风险动态分析方法，包括如下步骤：

(1).根据民航局2018年综合统计调查，对于不正常航班的原因确定相关影响因素；

(2).根据航班运行风险的影响参数分类为主观因素(人为的操作差错等)和客观因素(机场环境状况、航路环境状况等)确定贝叶斯网络的节点，建立贝叶斯网络；

1.在贝叶斯网络建立好的基础下，将每一个父节点的区间I_i划分为k个子区间并且对于每个子区间的基本概率赋予一个值具体条件概率赋值表1所示：

表1

2.对于随机集的每一个焦元A_n，计算其所在区间和相应的概率M_n，主要的运算方法是利用随机集的表达以及关系函数的表达形式。

3.由ζ＝f(ξ)可以计算出A_n的像所在值区间f(A_n)，以及其概率的赋值 p＝∑{M_n|R_n＝f(A_n)}，所得航路环境风险分布区间和概率赋值如表2所示：

表2

(4).根据随机集处理参数得出贝叶斯网络的条件概率表，航路环境风险的上下概率折线如图5所示。

(5).根据机场的统计数据确定改进随机集贝叶斯网络中部分的参数的均值(如航路环境中的交通流量、航路乱流等；机场环境中的机场保障能力、外物击伤等)。对于一些随着天气变化较为明显的参数(如航路环境中的雷暴雨、雷击等；机场环境中的降雨、风等)，需要根据当天的天气变化状况具体调整其数值，参考在三个不同的天气阶段下参数的调整方式，对其天气参数进行调整，从而进行航班运行风险的预测计算。

(6).根据改进随机集贝叶斯网络计算出航班运行的风险预测值，并且根据时间的变化作出航班运行高风险预测值的动态曲线，航班运行高风险概率预测值曲线图如图4 所示。

其中，步骤(1)中根据民航局2018年综合统计调查中的导致不正常航班的相关因素进行统计确定。

其中，步骤(2)中包括如下步骤:

2.1)将步骤(1)中确定的导致不正常航班的相关因素进行分类为主观因素和客观因素，其中客观因素归结为机场环境状况、航路环境状况等。

2.2)将主观因素归结为人为的操作差错等。

进一步地，步骤(3)中，对于已经建立好的贝叶斯网络进行参数处理,包括如下步骤:

3.1).在贝叶斯网络建立好的基础下，将每一个父节点的区间I_i划分为k个子区间并且对于每个子区间的基本概率赋予一个值

假设各个因素相互独立，节点之间的函数关系为线性关系，各个因素的影响符合指数分布。变量之间的函数关系有ζ＝f(ξ)，ξ＝(ξ₁,ξ₂,…).I＝[0,100％],将其划分为10个区间[0,10％)，[10％,20％)，[20％,30％)，[30％,40％)，[40％,50％)，[50％,60％)，[60％,70％)， [70％,80％)，[80％,90％)，[90％,100％)。各个因素之间相互独立并且满足指数分布，根据其统计均值可得u的值；以及指数分布函数可以得到概率赋值表。

3.2).对于随机集的每一个焦元A_n，计算其所在区间和相应的概率M_n，主要的运算方法是利用随机集的表达以及关系函数的表达形式。

所求的

3.3).由ζ＝f(ξ)可以计算出A_n的像所在值区间f(A_n)，以及其概率的赋值 p＝∑{M_n|R_n＝f(A_n)}，由此可以列出在不同区间变量的概率赋值表。

其中，步骤(4)中根据不同区间变量的概率赋值表做出相应的变量所在区间的上下概率折线图,由此得到变量在不同概率区间的分布情况，即为所处理变量的条件概率表，并且基于改进随机集贝叶斯网络也随之完善。

其中，步骤(5)中包括如下步骤:

5.1)根据机场的统计数据确定改进随机集贝叶斯网络中部分的参数的均值(如航路环境中的交通流量、航路乱流等；机场环境中的机场保障能力、外物击伤等)。

5.2)对于一些随着天气变化较为明显的参数(如航路环境中的雷暴雨、雷击等；机场环境中的降雨、风等)，需要根据当天的天气变化状况具体调整其数值，从而达到对航班运行风险进行预测。

对于天气变化的调整具体为：

5.3).第一阶段：阴天

在天气转阴的情况下，航路环境中的交通流量因素、雷击因素，没有产生一定的变化，而航路乱流因素和雷暴雨的影响因素会随着天气转阴而产生相应变化，从而导致航路环境风险的高风险预测值有所增长。

在机场环境中，航路占用因素、外物击伤因素、机场保障因素、降雨因素随着天气转阴所受影响较小，保持在一个稳定的范围内；能见度因素随着天气的转阴会产生一些变化；风和风切变因素也随之产生一些变化，从而机场环境的高风险预测值也有所增加。

5.4).第二阶段：雨天

在天气有雨的状况下，航路环境中的交通流量因素会因为下雨的影响产生相应的减少；雷击因素会因为季节的不同具有不同的变化，需要根据具体的地区统计数据进行调整；雷暴雨因素也随着下雨影响因素有所增长；航路乱流因素会随着雨量的大小产生相应的变化，对于航路环境的高风险预测值，雨天产生了较大的高风险。

在机场环境中，跑道占用、外物击伤等因素的影响在雨天的情况伴随着快速下降的航班数量有所减小；机场保障因素在雨天依然处于一个较为稳定的状态；雨天对于风、风切变、能见度等因素都具有一定的影响(降雨会降低机场能见度)风切变随着风的变化产生相应的变化，具体变化数值根据雨量大小调整，雨天使得机场环境的高风险预测值增长较多。

5.5).第三阶段：傍晚

在天气渐渐暗下来的情况下，航路环境中的交通流量因素和航路乱流因素保持在一个较为稳定的状态；雷暴雨和雷击因素在晴朗天气的情况下也保持在一个较低的稳定状态，对于航路环境的高风险预测值，傍晚天气状况并没有产生较大影响，与通常统计风险值保持在相对一致的状态。

在机场环境中，受到天气变暗影响较大的就是能见度，能见度随着天气的变暗逐渐降低；降雨因素、风、风切变因素在晴朗天气保持在一个稳定的状态，具体数值的确定需要根据机场统计数据确定；外物击伤和跑道占用因素也随着天气变暗产生部分的增长。在傍晚天气情况下，机场环境的高风险预测值较正常情况有较小的增长。

其中，步骤(6)根据步骤(5)中所计算出的航班运行风险随着天气变化的预测值，具体的天气变化导致的天气参数的变化体现在航班高风险预测值的变化，在不同的天气阶段风险预测值有所不同，由此做出航班高风险预测值的折线图，即为当天航班运行风险的动态预测图，参考所得预测图对航班运行有所调整。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims

1.一种基于改进随机集贝叶斯网络的航班运行风险动态分析方法，其特征在于：包括如下步骤：

3.2).对于随机集的每一个焦元A_n，计算其所在区间和相应的概率M_n，运算方法是利用随机集的表达以及关系函数的表达形式；

3.3).由ζ＝f(ξ)可以计算出A_n的像所在值区间f(A_n)，以及其概率的赋值p＝Σ{M_n|R_n＝f(A_n)}；

(4).根据随机集处理参数得出贝叶斯网络的条件概率表；

(6).根据改进随机集贝叶斯网络计算出航班运行的风险预测值，并且根据时间的变化做出航班运行风险预测值的动态曲线。

2.如权利要求1所述的基于改进随机集贝叶斯网络的航班运行风险动态分析方法，其特征在于：步骤(4)根据不同区间变量的概率赋值表做出相应的变量所在区间的上下概率折线图，得到变量在不同概率区间的分布情况，即为所处理变量的条件概率表。

3.如权利要求2所述的基于改进随机集贝叶斯网络的航班运行风险动态分析方法，其特征在于：步骤(5)根据机场的统计数据确定改进随机集贝叶斯网络中部分的参数的均值，对于随着天气变化较为明显的参数，需要根据当天的天气变化状况具体调整其数值，参考在不同的天气阶段下参数的调整方式，对其天气参数进行调整，从而进行航班运行风险的预测计算。

4.如权利要求3所述的基于改进随机集贝叶斯网络的航班运行风险动态分析方法，其特征在于：步骤(6)根据步骤(5)中所计算出的航班运行风险随着天气变化的预测值，具体的天气变化导致的天气参数的变化体现在航班高风险预测值的变化，由此做出航班高风险预测值的折线图，即为当天航班运行风险的动态预测图，参考所得预测图对航班运行有所调整。