基于BP神经网络的民航机场飞行区事故预测研究

卢 竹，张 君

基于BP神经网络的民航机场飞行区事故预测研究

卢 竹，张 君

(长沙航空职业技术学院，湖南 长沙 410124)

以长沙黄花国际机场从2010年1月1日至2016年12月31日期间共96个月的样本数据对BP神经网络预测模型进行训练和检验，结果表明，目标误差率达到最低要求，证明BP神经网络应用于民航机场飞行区事故预测预报具有可行性，为研究民航机场安全预警问题提供新的思路和方法。

BP 神经网络；机场飞行区事故预测；MATLAB实现

机场飞行区安全系统由若干个子系统有机组合而成，包括场道条件、航空器、车辆、通信导航设备等物质因素，以及气候条件、规章制度、人员技术水平、工作规程等非物质因素。由于系统处于随机变化的动态发展过程中，内部各因素之间关联方式错综复杂，必须选取合理的指标体系，在一定程度上实现对飞行区安全事故的预测。常用于事故预测的数学模型有时间序列模型、回归模型和灰色预测模型。时间序列模型和回归模型强调大量的历史数据，灰色预测模型一般用于数据量少且波动性不大的事故预测。机场飞行区安全系统各因素呈高度的非线性关系，随机波动大，且随着民航运输的飞速发展，其历史数据对未来预测的参考价值非常低，因此，以上几种数学模型不适合进行飞行区安全事故预测。BP神经网络是模拟人脑神经的网络结构，可对多成因的、非线性的复杂未知信息数据建立模型。由于MATLAB软件提供了系统的神经网络工具箱，可利用此工具箱建立预测模型。本文采用BP人工神经网络对民航机场飞行区安全事故预测进行研究，通过MATLAB软件的多次训练检验模型的科学合理性，以期改进现有预测模型存在的不足，完善民航机场安全事故预测方面的研究，提高民航运输安全事故防范的准确性。

1 民航机场飞行区事故预测模型的基本原理

BP神经网络是人工反向传播网络，由输入层、输出层和隐含层三层网络构成，信息从输入层经过若干个隐层后再向输出层传递；每层均有一个或多个神经元节点，但各神经元节点之间无联结，各神经元只与下一层所有的神经元有联结。BP神经网络能对外界获得的信号自动归纳其分布规则，找寻其内在规律，通过自身强大的非线性映射能力将计算输出层的误差变化值，通过网络将误差信号沿原来的正向传播途径反传，不断调整修改各神经元的权值，直至实现目标误差值。

运用BP神经网络进行民航机场飞行区事故预警，首先必须确定输入变量和输出变量，输入变量为影响机场飞行区事故的主要因素，输出变量为安全事故预警的不同级别。由于BP神经网络各层内部各神经元节点之间无联结，所以无需考虑输入层数据之间的相互作用，即无需考虑影响因素之间的权重关系。在BP神经网络的三个层级中，计算机在MATLAB运行的网络环境下，会自动根据输入数据和输出数据的特征，寻找数据之间的联系，从而自动调整三层网络之间的“系数”（BP神经网络的权值和阀值）。在权值和阀值不断调整的过程中，当目标误差和检验误差率达到预测标准，即网络输出的误差减少到可接受的程度时，可停止MATLAB运算训练，预测模型构建成功。

2 民航机场飞行区事故预测模型的构建

2.1 BP神经网络算法的基本流程

BP神经网络的建模依赖于正确的算法，算法是由信息的正向传递与误差的反向传播两部分完成，通过修改权值使实际的输出与期望的输出尽可能接近。BP神经网络算法的具体流程为：

第一步，设置各权值和阈值的初始值，一般选取（-1，1）之间的随机数。

第二步，设置输入的p个训练样本和期望输出，对p个样本依次完成第三步、第四步和第五步。输入样本为：Y=（Y1，Y2，…，Yn），期望样本为：X=（X1，X2，…，Xn）（n表示各层神经元个数）。

第三步，计算隐层和输出层的输出，公式为：x(p)＝ f(s(p)) ＝ f(W(p) x(p-1))

第四步，计算输出层、隐含层和输入层的训练误差。

输出层误差公式：δj(p)＝(dqi-x(p))f'(sj(p))

隐含层和输入层误差公式：δj(p)＝f'(sj(p))Σ(n)k=pδj(p) Wkj(p+1)

第五步，按权值修正公式修正各层的权值和阈值。

第六步，所有的学习训练样本数据都经历了第三、四、五步时，即完成了一个训练周期，此时计算误差指标。

第七步，根据实际情况，如果达到目标误差值则终止学习训练；否则重新学习训练。

2.2 民航机场飞行区事故预测的变量确定

构建合适的指标体系是构建民航机场飞行区事故预测模型的基础，飞行区主要指的是跑道、滑行道、机坪和净空等四个区域，但影响机场飞行区事故的指标繁多，涉及面广。本文指标体系的构建在参考平芸[1]、王洪德[2]、崔婷[3]、姚前[4]等人的研究成果基础上，根据数据的可获得性，基于指标的内在逻辑性和稳定性原则，构建民航机场飞行区事故预警的指标体系，选取人为操作违规次数、行为人因素不安全事件发生率、紧急处理失当次数、机务操作不当次数、助航灯光设备维修失误次数、导航设备失灵次数、场道危险指数、航空器故障次数、车辆使用不当次数、跑道非法侵入次数、标志标识不清指数、净空鸟害程度、气象误报次数、空管指挥失误率等14项指标作为输入变量。输入变量结合了机场安全管理的“人、机、环、管”四个方面，涵盖人员素质、设备设施、场道条件、外部环境等多个因素，包含了人员因素也反映了设备、环境因素；能够较为准确地反映影响民航机场飞行区安全事故的主要因素，从而提高实验的准确度。输出变量设置为事故极小可能发生、事故可能发生和事故发生三个级别。

3 长沙黄花国际机场飞行区事故预测模型及MATLAB实现

3.1 研究样本

长沙黄花国际机场是我国中部地区最为重要的航空枢纽港和客货集散地，被SKYTRAX（国际航空运输评级组织）评选为国际三星级机场。长沙黄花国际机场经过多次改扩建，机场飞行区等级现为4F级别，具备年接纳客流量3100万人次、货邮吞吐量32万吨、飞机起降24.4万架次的能力。本文选取长沙黄花国际机场为实验对象，根据湖南省机场管理集团内部资料，选取从2010年1月1日至2016年12月31日期间，共96个月的安全事故记录为实验基础作为样本。

3.2 数据处理

1）输入变量主成分分析。根据湖南省机场管理集团内部资料，将涉及人为操作违规次数、行为人因素不安全事件发生率、紧急处理失当次数、机务操作不当次数、助航灯光设备维修失误次数、导航设备失灵次数、场道危险指数、航空器故障次数、车辆使用不当次数、跑道非法侵入次数、标志标识不清指数、净空鸟害程度、气象误报次数、空管指挥失误率等14项指标的数据进行整理，经过德尔菲法和专家打分量化后，利用SPSS软件进行主成分分析，通过效度和信度检验，数据质量表现出良好的稳定性。考虑模拟数据及其临界值，将机场飞行区安全事故预测分为极小可能发生、可能发生和发生三个级别，二进制分别表示为01、10、11。

2）归一化处理。由于所有收集的数据处于不同的数量级，因此必须进行归一化处理，以消除变量数据间的数量级差别，提高网络的收敛速度和训练速度。利用MATLAB 的归一化处理函数对输入输出数据进行处理，消除不同的物理意义和量纲的差别，解除激活函数的值域限制。通过归一化处理，使输入变量的数值在（0，1）之间。

3）初始权值和阈值的选取。初始权值和阈值不会影响网络的收敛效果，但是决定着每个神经元是否都处在其激活函数变化最大的位置。权值和阈值过大或者过小，都不利于训练过程的自我修正调节。在实际应用中，对隐含层的初始权值和阈值采用最小值的方法；输出层的初始权值和阈值则在（-1，1）的区间内随机选取相等的数值[5]。

4）隐含层节点数的确定。BP神经网络的核心和难点是隐含层节点数的确定，输入层和输出层的节点数（神经元数）可由实际情况和训练对象确定，而最佳隐含层节点数的确定缺乏权威的理论指导依据。隐含层节点数太少，会导致从实验样本中获取信息的能力下降，神经网络的训练能力就会减弱甚至可能训练不出来；节点数太多，则可能产生“过度吻合”的现象，导致神经网络学习训练时间延长。本文通过多次测试和比较，最终选取8个隐含层节点。

5）学习率的选择。BP神经网络在学习训练过程中，存在一个最佳学习率。一般而言，对于一个标准BP神经网络，学习率的取值范围在[0.1，0.7]的区间[6]。

本文采用MATLAB的神经网络（NEURAL NTEWORK）工具箱[7]来进行事故预测实现试验，用NEWFF创建 BP神经网络，采用含有一层隐含层的三层网络结构，模型网络配置为14个输入神经元、8个隐含层神经元和3个输出神经元。网络初始化权值和阈值使用INITFF函数，网络隐含层神经元传递使用S型正切函数TANSIG[8]，输出层神经元传递使用S型对数函数LOGSIG，网络训练使用TRAINLM和TRAINGDX二种函数，最大训练次数设为500次，学习率为 0.15，目标误差率定为 0.001。

3.3 结果分析

利用 MATLAB 对90组训练样本数据进行训练后，训练误差降低到了0.001（如图1），实验结果证明，BP 神经网络实现了对机场飞行区安全事故的预测，实验精度达到了预期。

图1 网络训练的误差变化曲线

利用剩下的6组测试检验样本数据对BP 神经网络进行测试，得到了如下结果（如表1），与实际情况十分接近。

表1 BP神经网络的期望输出

从测试的结果来看，训练完成后的BP 神经网络的误差值较小，利用 BP 神经网络预测机场飞行区安全事故的误差较小，所以通过BP 神经网络在一定条件下能够一定程度上完成对机场飞行区安全事故的预测。

4 模型评价

本文提出了民航机场飞行区安全事故预警的指标体系，并利用MATLAB计算软件的神经网络工具箱构建了基于BP神经网络的民航机场飞行区安全事故预测模型。通过长沙黄花国际机场2012年的样本数据对建立起的BP神经网络预测模型进行训练和检验，检验结果表明，实际输出与期望输出十分接近，误差率达到最低要求，证明BP神经网络应用于民航机场飞行区事故预测预报具有可行性和应用价值。但是由于机场飞行区事故影响因素是非线性复杂的、可变的因子，所以民航机场飞行区安全事故还要结合其它数学方法，才能更好的完成预测目标。在实验过程中发现，BP神经网络的预测模型存在有待深入思考的问题。

4.1 选择关联度高的输入变量

一般情况下，输入变量的数量越多，BP 神经网络预测的精度就会随之上升，其机场飞行区事故预测能力也会提高。但是，如果新增加的是不关变量，则会很大程度上干扰预测模型降低精确度。本文尝试加入了飞机延误率和航空公司危险指数两个新变量，而从实验的结果看，新增加的输入变量使得模型的预测精度大幅下降。主要原因是与飞行区事故之间没有直接的关系，这些变量的加入会干扰原神经网络的预测能力。所以在基于 BP 神经网络的机场飞行区事故预测中，必须选择科学合理的输入变量，才能提高BP神经网络的预测能力，进而提高网络预测民航机场飞行区事故的精确度。

4.2 使用收敛度高的激活函数导数

BP神经网络解决问题的能力与效率很大程度上依赖于有效的激活函数，也是控制网络最终输出的重要函数。在本网络隐含层神经元传递使用的是S型正切函数TANSIG，输出层神经元传递使用的是S型对数函数LOGSIG。在实验过程中，发现导数的取值范围如果过小或过窄，会导致权值的修正调整范围变小，从而影响网络的收敛速度。在设计激活函数时，应尽量精确又简单明了便于计算，物理上易于实现且可靠；针对不同的实际问题及样本数据的特征与规律，激活函数导数的选择也应有所差别。

[1]平芸.民航机场安全预警管理系统研究[D].武汉:武汉理工大学,2003.

[2]王洪德,潘科.基于BP神经网络的民航机场安全预警研究[J].安全与环境学报,2008,8(4): 139-143.

[3]崔婷,赵桂红.我国民航机场安全水平的综合评价[J].统计与决策,2009, (4):132-138.

[4]姚前.民航机场安全预警评价体系研究[J].交通标准化,2009, (202):198-201.

[5]王吉权.神经网络的理论及其在农业机械化中的应用研究[D].沈阳:沈阳农业大学,2011.

[6]刘天舒. BP 神经网络的改进研究及应用[D].哈尔滨:东北农业大学,2011.

[7]钱利军,李书全.基于粗糙集-人工神经网络的航空安全文化评价模型研究[J].中国安全科学学报,2009,19(10):132-138.

[8]单潮龙,马伟明,贲可荣,等. BP人工神经网络的应用及其实现技术[J].海军工程大学学报,2000,(4):16-22.

Accident Prediction Study of Civil Aviation Airport based on the BP Neural Network

LU Zhu, ZHANG Jun
(Changsha Aeronautical Vocational and Technical College, Changsha Hunan410124)

The authors obtained data sample for 96 months from January 1, 2010 to 31 December, 2016 from Changsha Huanghua International Airport, and then established the BP neural network prediction model for training and testing. The test results show that the target error rate met minimum requirements, which proved it has the feasibility that the BP neural network is applied to the civil aviation airport airfield accident forecast,providing e new ideas and methods for the study of the civil aviation airport’s security early warning.

BP neural network; civil aviation airport airfield accident forecast; MATLAB implementation

U698

A

1671-9654(2017)04-0063-04

10.13829/j.cnki.issn.1671-9654.2017.04.016

2017-06-06

卢竹（1980- ），女，湖南长沙人，副教授，管理学硕士，研究方向为机场运行管理。

［编校：杨 琴］