QAR数据的异常检测与分析算法研究

发布时间：2017-11-07 07:34

  本文关键词：QAR数据的异常检测与分析算法研究

  更多相关文章： 概要数据结构 符号化 模式增长算法 子序列查询 相似性

【摘要】：航空事业一路发展,航空安全事故始终不能杜绝,安全形势不容乐观。然而凡事预则立,通过收集和分析飞机飞行的相关数据,总结飞机飞行的数据规律,研究安全事故发生时的数据特征,为确定飞行隐患及采取相应防范措施提供客观数据依据,从而为航空事业发展作好充分准备,必能进一步提高航空安全管理的科学性和可靠性,降低事故发生的几率。QAR(Quick Access Recorder)数据是记录飞机飞行状态的时序流数据,具有高维、复杂及数据量大等特性,直接进行处理研究严重影响效率。为降低其数据量与数据复杂性,高效检索并确定当前QAR数据是否是故障数据及其故障类型,本文通过对数据建立概要数据结构来压缩数据量,并利用子树搜索的方法来提高数据的检索效率。另外,QAR数据的不同维度之间存在不确定的关联关系,这些关联关系的微妙变化也是飞机状态变化的重要表征,不容忽视。本文通过概要数据提取的方式来压缩数据量,为大量数据创建概要数据结构,然后基于概要数据结构采用模式增长的方法对其进行数据挖掘,从而为压缩后的QAR数据创建独具特色的FP-Tree(Frequent Pattern Tree),最后基于FP-Tree树形结构进行子序列查询以达到故障定位的目的。本文主要完成了以下工作:1.采用概要数据结构形式对QAR数据进行数据量压缩。通过符号化对QAR数据进行离散化,对符号化后的数据进行分段,计算各数据段中各符号出现的频率,将符号及其出现频率作为该数据段的概要数据结构。2.采用模式增长的方式对QAR数据的概要结构进行数据挖掘,调整FP-Growth算法使其适应QAR数据的概要数据结构,为QAR数据创建独具特色的模式增长树(FP-Tree)。3.对于给定的故障模型,针对FP-Tree的特殊结构,采用树形结构查询的方式进行子序列查询,以达到高效快速定位故障数据段的目的。
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：V328;TP311.13

【引证文献】

中国硕士学位论文全文数据库 前1条

1 杨欣;基于灰色系统理论的QAR数据挖掘算法研究[D];中国民航大学;2015年

，

本文编号：1151482