浅析机器学习算法在航空人为因素的研究中的应用
1 引言
随着航空的发展,航线的扩展,航空安全的问题愈加引起重视.由于现有的事故数据中,人为因素占到事故因素的80％以上,因此人为因素的调查引起重视.此外,航空器的可靠性逐年提升,航空器运行过程又是一个工作人员高度配合的过程.因此,对航空人为因素的分析式降低事故率的有效手段.
针对人类工程学研究本身,就是在提高工作效率方面效果显著.1972年,人为因素概念模型(SHEL模型)[1-3]首先被提出,SHEL是指软件(Software)、硬件(Hardware)、环境(Environment)、人(Liveware).随着现代研究方法的发展,系统安全分层模式Reason模型[10]被提出.在近20年,美国联邦航空管理局对人为因素进行了大量研究.其中最为广泛接受的是PEAR模型[4].PEAR模型代表了:从业人员(P);从业人员工作的环境(E);从业人员执行的操作(A);完成工作必要的资源(R).
40
2019-10-30（万方平台首次上网日期，不代表论文的发表时间）
共2页
58-59
