基于集对分析的民航运输事故征候预测模型研究

吴伟键

(深圳航空有限责任公司,广东深圳 518128)

基于集对分析的民航运输事故征候预测模型研究

吴伟键

(深圳航空有限责任公司,广东深圳 518128)

近几年国内、国际关于飞机失事的报道层出不穷，不禁引发社会各界对飞机系统是否完善、航空是否安全的思考。所以需要采用行之有效的办法对事故发生原因进行系统分析和预测，从而是民航加强对飞机的安全管理，经过不断的完善、改良后，使人们可以乘坐放心、安全的飞机。本文将从集对分析的角度对民航事故预测模型展开研究，旨在为航空安全提供借鉴。

集对分析 民航运输 事故征候预测模型

民航事故征候指的是航空器在运行的过程中，或者与飞行期间与航空器相关的事件，虽然不产生事故但有可能影响飞行的安全事件。国际航空组织在《安全手册》中规定了事故、事故症候类似事件以及事故症候之间的关系。据相关统计指出，在事故发生之前，大概平均会有28起事故症候事件和近300其事故症候类似事件发生。常规的飞行安全管理的重点主要是通过对飞行进行调查的方式，对民航飞行的安全予以改进。

1 民航运输事故征候预测方法

随着科技的发展近十年民航事故发生的概率与二十年前有很好的改善，这样通过传统对事故调查的方法，进行安全管理的可行性就变得越来越低，基于这种情况，需要开展新型的飞行事故管理办法，对事故症候进行及时预防，从而较少重大事故发生。目前，世界上对民航运输事故症候预测办法主要包括：灰色预测法、灰色马尔可夫预测法、灰色神经网络预测法、灰色新陈代谢马尔可夫预测法。

航空研究人员通过运用灰色预测法将航空运输事故症候时间等有效数据进行了分析，研究所需的数据量少，易于操作，但对预测波动性较大的事故症候数据计算时存在一定的偏差，准确性不高[1]。其他研究人员采用灰色马尔可夫预测法对民航运输事故症候进行研究，发现其可以完善灰色预测法中存在一定不足，但由于马尔可夫链比较适用于长期时间的数据序列，因此灰色马尔可夫预测法在使用时也具有一定的局限性。研究人员将目光投向灰色新陈代谢马尔可夫预测法，发现运用新陈代谢的模块能够生成更具规律的新序列，这样能够提升预测的准确性，但因灰色新陈代谢马尔可夫预测法运用了马尔可夫链而使其产生一定的局限性。灰色神经网络预测法可以利用神经网络对灰色数据长时间的数据序列进行处理。研究人员通过观察发现，灰色神经网络预测法对数据序列的精确度较高，并且能够完善传统预测方法由于数据波动的原因而导致精确度缺失的问题。但对寻求潜在数据的规律和考虑因素不到位，得到的预测结果仅为绝对值。

正是由于时候症候预测办法具有不确定性、随机性等特点使得研究人员难以得到最好的办法。所以笔者将运用集对分析办法对民航运输症候进行科学、合理的预测[2]。

2 集对分析预测

集对分析是当前较为新的理论，其核心内容是将确定不确定性成为确定不确定性系统，认为确定性与不确定性之间存在相互制约、相互影响、相互联系等原因。确定性和不确定性之间的联系度体现于上述论述之中。可以通过公式对不确定进行表达即：u=a+bi+cj。公式中的a指的是两个集合的同一性，b指的是两个集合的差异性，c指的是两个集合的对立度，i指的是差异标记符号，i的取值范围是-1≤i≤1，j指的是对立标记符号，等于-1、根据上述的定义可以得到a、b、c之间的关系，即a+b=c，a和c是确定的数值，b为不确定值，所以在这个公式中具有确定和不确定因素，是一种确定不确定函数[3]。

3 基于集对分析的民航运输事故征候预测模型

基于集对分析的民航运输事故征候预测模型就是讲事故症候量和与之产生影响的因素作为一个整体进行研究。第一，要确定影响事故症候关系的原因；第二，要建立这些类别的同异反联系度，当确定未来影响因素时，参照之前的样本建立预测样本，从而有效的判断事故症候类型，正确的预测事故症候量。航空运输事故发生是由多种原因造成的，其中包括运输生产水平、社会发生程度和航空运输的资金运行水平等。这些因素与民航事故发生症候量具有随机性、模糊性、不确定性等特点，在这种情况下使用是他的预测方法会产生较大的误差不利于预测的真实性，所以本文使用分析聚类预测法是很有必要的。

3.1 确定影响事故症候量的因素

航空运输涉及面广，影响其因素繁杂。笔者通过阅读相关的文献发现对其产生影响的主要因素包括：航空运输的周转量、旅客吞吐量、货物吞吐量、航空运行的时间、机场的起降班次，航空公司的全年飞行班次，航线里程、航空公司收入、国民生产总值，居民消费能力等。

3.2 确定预测事故额症候量

用字母N表示预测事故的症候量，根据集对聚类原理，用A表示N可能的分类系统，对应的待测系统为B，那么A={A1，A2，A3，...AN}。

3.3 建立预测事故症候量分类模式系统

设预测事故症候量的隔离集合的影响因素的增长率的集合为XK={j=1～m}，参考本年度的增长集合X0={j=1～m}.其中XK为其第k个子集，m为影响因子的数目。UK=AK+BK+CKJ，表示第k个分类集合与集成对分类后得到的异反向量，可以记为联系度UK=（AK，BK，CK），其中（k=1，2，3...n）。

4 结语

综上所述，本文首先介绍了民航运输事故征候预测方法，进而阐述集对分析预测和基于集对分析的民航运输事故征候预测模型，并且分析发对事故症候预测的优势。另外，由于联系度和同异反之间具有计算较为简单方便，仅通过分析就能较好的对样本进行预测，不仅操作简单而且具有较强的使用性。在构建各种集对时使用的i，j的取值可以根据实际情况进行调整，所以集对分析方法还具有一定的灵活性[4]。虽然集对分析聚类办法有诸多优势，但其也有不完善之处，不确定的系数取值问题是一直以来困扰研究人员的问题，笔者通过大量的文献阅读仍然没有找到解决的方案，相信在未来的研究中能够得到很好的解决。

[1]王永刚,郑红运.基于最优变权组合模型的航空运输事故征候预测[J].中国安全科学学报,2013,10（25):126-131.

[2]刘玲莉,孙亚菲,郑红运.基于集对分析的民航运输事故征候预测模型研究[J].安全与环境工程,2013,10(13):154-158.

[3]霍志勤.基于历史数据的中国民航跑道安全管理关键问题研究[D].南京:南京航空航天大学,2012,11(21):14-116.

[4]朱雪飞.航空公司安全管理系统（SMS）项目的建设与应用研究[D].济南：山东大学,2013,10(20):112-114.