民航不安全事件预测研究

发布时间：2021-01-19 06:07

　　在民航业快速发展,航班量急速增长的发展背景下,影响民航发展的不确定因素增多,民航安全将面临巨大挑战。对我国民航不安全事件月度数据进行及时准确的预测,可以为制定适合中国民航发展的安全绩效目标提供准确有效的指导,对推动民航安全绩效管理具有重要意义。首先运用时间序列的季节调整、HP滤波法分析我国民航不安全事件数据的趋势性、季节性、波动性和分布特征,研究我国民航不安全事件的周期波动特征。在此基础上,运用ARIMA模型与GRNN网络模型,基于2007-2016年不安全事件月度数据,构建了我中国民航不安全事件月度数据ARIMA-GRNN组合预测模型。利用2017-2018年中国民航不安全事件月度数据检验了模型的合理性。将所构建模型与单一预测模型以及其他民航安全类组合预测模型的预测精度进行对比,该模型平均预测精度相比于ARIMA模型提高11.72%,相比于GRNN模型提高6.77%,相比于ARIMA+LS-SVM组合模型提高8.49%,相比于ARIMA+LS-SVM+BP组合模型提高5.85%。最后,运用ARIMA-GRNN组合预测模型预测了中国民航2019年1月-2020年12月的不安全事件数与不... 

【文章来源】：中国民航大学天津市

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

十二五期间民航主要运输指标民航业在为人们提供快速便捷的交通方式，推动着社会经济快速向前发展的同时，

技术路线图

不安全事件时间序列相关分析结果

【参考文献】：
期刊论文
[1]基于ARIMA、LS-SVM和BP神经网络组合模型的航空运输飞行事故征候预测[J]. 梁文娟,李雪艳.  安全与环境工程. 2018(01)
[2]基于ARIMA与LS-SVM组合模型的飞行事故征候预测[J]. 梁文娟,李雪艳.  安全与环境学报. 2017(05)
[3]基于灰色马尔科夫模型的福建辖区船舶交通事故预测[J]. 虞盈,兰培真.  中国航海. 2017(03)
[4]基于马尔可夫和支持向量回归组合模型的铁路行车事故预测研究[J]. 邹亚龙,蒋荟.  铁道运输与经济. 2017(09)
[5]基于GMM模型的煤矿顶板事故致死人数预测[J]. 李闯,袁梅,王玉丽,许石青,杨萌萌.  工业安全与环保. 2017(08)
[6]空中危险接近的系统动力学机理及仿真研究[J]. 陈芳,范丹红.  安全与环境学报. 2017(04)
[7]基于矿工不安全行为的煤矿安全预测评价模型[J]. 李爽,刘海洋,杨勇.  煤矿安全. 2017(08)
[8]高速公路路侧事故起数预测模型[J]. 马壮林,张宏璐,张祎祎,王晋.  长安大学学报(自然科学版). 2017(04)
[9]弱化缓冲算子修正的民航不安全事件离散灰色预测[J]. 陈芳,孙亚腾.  安全与环境学报. 2017(03)
[10]基于组合预测优化模型的交通事故预测研究[J]. 宋英华,程灵希,刘丹,吕伟.  中国安全科学学报. 2017(05)

硕士论文
[1]我国煤矿事故特征规律及组合预测模型研究[D]. 靳运章.西安科技大学 2016
[2]灰色预测在空管运行安全风险预警中的应用研究[D]. 王鹤龙.中国民航大学 2016
[3]民航不安全事件数据的预测推理与风险识别[D]. 单晶晶.北京交通大学 2016
[4]我国矿业系统安全态势预测研究[D]. 周琪.武汉科技大学 2013
[5]航空公司不安全事件的预测研究[D]. 吕学梅.中国民航大学 2008



本文编号：2986476