基于文本挖掘的空管不正常事件风险预测研究

摘要：

人为因素是导致航空事故的主要原因.在空管系统安全问题频发的背景下,以空管不正常事件为研究对象,采用Python语言对空管不正常事件记录进行文本挖掘分析.建立概念向量空间模型,解决一义多词问题.提出将空管风险模式抽象为主题,采用LDA(潜在狄利克雷分配)算法围绕风险主题提取风险致因因素.相比于TF-IDF算法,LDA能挖掘出更多潜在风险致因因素,且与专家评审意见基本一致,证明了方法的可靠性,实现了风险致因因素的自动提取.提出将LDA提取的风险致因因素与HFACS模型进行整合,形成以人为因素为中心的风险贝叶斯预测网络.考虑到不正常事件为不完全样本,使用EM算法优化贝叶斯网络参数.通过Netica软件对测试记录进行预测,验证了方案的有效性,同时也证明了文本挖掘结果的正确性与客观性.

关键词：空管安全、文本挖掘、概念模型、LDA主题模型、风险致因因素、贝叶斯网络、风险预测

所属期刊栏目：50

分类号：V328(航空飞行术)

资助基金：国家自然科学基金项目资助;四川省科技计划项目资助;中国航空无线电电子研究所航空电子系统综合技术国防科技重点实验室基金项目资助

在线出版日期：2020-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1-8,12