基于BP神經(jīng)網(wǎng)絡(luò)空管運(yùn)行系統(tǒng)安全績效分析方法研究

左燕 姚光明

摘 要：為了更好地提高空管安全績效分析效率，提出基于BP神經(jīng)網(wǎng)絡(luò)的空管運(yùn)行系統(tǒng)安全績效評(píng)價(jià)模型，通過民航局已發(fā)布的權(quán)值分布計(jì)算出各輸入影響因素對(duì)最后評(píng)分結(jié)果的影響，利用算例分析檢驗(yàn)了該模型的可靠性。最后以某空管單位績效評(píng)價(jià)結(jié)果為例對(duì)安全績效評(píng)價(jià)模型進(jìn)行驗(yàn)證，根據(jù)評(píng)價(jià)結(jié)果對(duì)該空管單位提出相應(yīng)的建議，提高安全評(píng)價(jià)工作的效率，為空管安全績效評(píng)估工作的開展提出一種新思路。

關(guān)鍵詞：空管運(yùn)行安全；安全績效；神經(jīng)網(wǎng)絡(luò)；評(píng)價(jià)模型

中圖分類號(hào)：V355 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）23-0006-03

Abstract： In order to improve the efficiency of air traffic control （ATC） safety performance analysis， a safety performance evaluation model of ATC operation system based on BP neural network is proposed. The influence of input factors on the final score result is calculated by the weight distribution published by CAAC. The reliability of the model is verified by an example. Finally， taking the performance evaluation results of an air traffic control unit as an example to verify the safety performance evaluation model， according to the evaluation results of the air traffic control unit put forward the corresponding recommendations to improve the efficiency of the safety evaluation work. A new way of thinking is put forward for the development of ATC safety performance evaluation.

Keywords： ATC operation safety； safety performance； neural network； evaluation model

引言

隨著我國經(jīng)濟(jì)的發(fā)展，民航業(yè)也迅速發(fā)展，安全問題也越來越受到人們的重視。作為保障空中交通安全的空中交通管理機(jī)構(gòu)，保障飛行安全，提高安全運(yùn)行水平，是他們的目標(biāo)，民航安全管理體系的推進(jìn)，安全績效管理工作也愈發(fā)重要。本文在學(xué)習(xí)SMS及空管單位安全績效管理應(yīng)用的指導(dǎo)意見基礎(chǔ)之上，以空管單位安全績效管理為研究對(duì)象，建立基于BP神經(jīng)網(wǎng)絡(luò)的空管運(yùn)行系統(tǒng)安全績效評(píng)價(jià)模型，并對(duì)某地區(qū)空管單位安全績效評(píng)價(jià)結(jié)果進(jìn)行實(shí)例分析，根據(jù)分析結(jié)果與實(shí)際評(píng)價(jià)結(jié)果對(duì)比，證明該模型的有效性同時(shí)提出相應(yīng)的對(duì)策和建議[1-5]。

1 評(píng)價(jià)體系的構(gòu)建

通過分析空管安全績效考核現(xiàn)狀，空管單位安全績效考核影響因素概括為安全后果、安全管理和安全運(yùn)行三部分。其中安全后果包括責(zé)任原因飛行事故次數(shù)、責(zé)任原因航空地面事故次數(shù)和內(nèi)部人員參與的劫機(jī)、炸機(jī)事件以及空防事故次數(shù)，飛行事故征候發(fā)生率，不安全事件發(fā)生率等，并按責(zé)任原因?qū)苤?、情?bào)、通導(dǎo)和氣象等四個(gè)專業(yè)造成的事故、事故征候、不安全事件發(fā)生率進(jìn)行統(tǒng)計(jì)。安全管理包括安全質(zhì)量檢查、安全評(píng)估、安全風(fēng)險(xiǎn)、安全信息管理、安全教育培訓(xùn)、事件調(diào)查、應(yīng)急處置、安全文檔管理、年度專項(xiàng)安全工作完成情況等；安全運(yùn)行則從管制、情報(bào)、通導(dǎo)和氣象等四個(gè)專業(yè)方向的過程指標(biāo)進(jìn)行考察，包括月平均運(yùn)行正常率、設(shè)備完好率、設(shè)備故障率等[5]。具體影響因素分類如圖1所示：

在安全績效考核因素分類結(jié)果的基礎(chǔ)上，安全后果影響因素事故、事故征候率因素及不安全事件發(fā)生率的數(shù)據(jù)可以通過歷史數(shù)據(jù)的計(jì)算得到，安全管理及安全運(yùn)行主要通過專家打分得到。通過空管單位按照行業(yè)SSP安全目標(biāo)，將安全績效影響因素分為兩級(jí)，安全AHP的方法確定不同指標(biāo)的權(quán)重值，如表1所示：

2 基于BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)運(yùn)行績效評(píng)價(jià)模型

2.1 BP神經(jīng)網(wǎng)絡(luò)模型

BP算法的神經(jīng)網(wǎng)絡(luò)模型由誤差的反向傳播和信息的正向傳播兩個(gè)過程，可以有效求解非線性連續(xù)函數(shù)權(quán)重調(diào)整問題。模型輸出層、隱含層和輸入層3部分組成[6-8]。若輸出的結(jié)果與期望值相差很大，誤差會(huì)通過反向傳播，利用數(shù)學(xué)方法進(jìn)行權(quán)值修改，使用期望值與輸出結(jié)果相差較小，BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖2所示：

2.2 BP神經(jīng)網(wǎng)絡(luò)的算法

該算法的分析步驟如下[9]：

（1）網(wǎng)絡(luò)初始化的過程，給定在區(qū)間（-1，1）的數(shù)值，確定最大學(xué)習(xí)次數(shù)N和計(jì)算精度？著，設(shè)定誤差e；

（2）初始化結(jié)束后，輸入樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，數(shù)據(jù)輸入隱含層后，經(jīng)過數(shù)學(xué)運(yùn)算；

（3）對(duì)實(shí)際輸出和網(wǎng)絡(luò)期望輸出進(jìn)行分析，就算對(duì)輸出層的偏導(dǎo)數(shù)；

（4）利用連接權(quán)值，計(jì)算誤差函數(shù)對(duì)神經(jīng)元的偏導(dǎo)數(shù)；

（5）利用隱含層神經(jīng)元和輸出層各神經(jīng)元的輸出值對(duì)連接權(quán)值進(jìn)行修正；

（6）利用輸入層和隱含層神經(jīng)元修正連接權(quán)，并計(jì)算全局誤差；

（7）對(duì)網(wǎng)絡(luò)誤差進(jìn)行判斷，若達(dá)到最大學(xué)習(xí)次數(shù)或預(yù)設(shè)誤差精度，技術(shù)計(jì)算。否則返回（3）進(jìn)行學(xué)習(xí)。

2.3 空管單位安全評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)模型的建立

將該空管單位的安全影響因素為輸入層待輸入數(shù)據(jù)。進(jìn)行訓(xùn)練之前，對(duì)樣本數(shù)據(jù)的類型進(jìn)行確定，分別從安全后果、安全管理和安全運(yùn)行三個(gè)因素進(jìn)行分析，并歸納出15個(gè)具體因素，輸入層的神經(jīng)元的個(gè)數(shù)為15個(gè)，對(duì)該空管單位的安全狀態(tài)進(jìn)行分級(jí)如表2所示[9-10]：

2.4 隱含層的設(shè)計(jì)

隱含層的神經(jīng)元個(gè)數(shù)越多，結(jié)果也就越準(zhǔn)確，但對(duì)運(yùn)算速度影響較大，導(dǎo)致樣本事件學(xué)習(xí)時(shí)間增加[10]。空管的安全評(píng)價(jià)采用3層網(wǎng)絡(luò)模型，輸入輸出層神經(jīng)元個(gè)數(shù)確定，隱含層神經(jīng)元個(gè)數(shù)為6。最終確定空管單位安全評(píng)價(jià)模型輸入層神經(jīng)元15個(gè)，隱含層神經(jīng)元6個(gè)，輸出層神經(jīng)元5個(gè)，文本運(yùn)算結(jié)合MATLAB軟件，通過計(jì)算機(jī)技術(shù)來實(shí)現(xiàn)。

3 BP神經(jīng)網(wǎng)絡(luò)的安全評(píng)價(jià)模型的計(jì)算

3.1 數(shù)據(jù)的采集與處理

通過對(duì)樣本反復(fù)學(xué)習(xí)來獲得分析結(jié)果，合理的選擇樣本對(duì)結(jié)果的精度和模型得到準(zhǔn)確性有較大影響。在樣本選取時(shí)，本文選取有代表性的數(shù)據(jù)，避免數(shù)據(jù)具有相同特征，整理出25個(gè)實(shí)例樣本數(shù)據(jù)，為保證結(jié)果的準(zhǔn)確性和客觀性，對(duì)實(shí)例樣本數(shù)據(jù)，為保證結(jié)果的準(zhǔn)確性和客觀性，對(duì)實(shí)驗(yàn)樣本數(shù)據(jù)進(jìn)行了歸一化處理。通過歷史數(shù)據(jù)的整理及專家打分，選取處理后的25組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，隨機(jī)抽取其中1組目標(biāo)數(shù)據(jù)作為測試數(shù)據(jù)。

3.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

基于BP神經(jīng)網(wǎng)絡(luò)的安全評(píng)價(jià)模型，通過設(shè)定參數(shù)、創(chuàng)建網(wǎng)絡(luò)、檢驗(yàn)和訓(xùn)練來實(shí)現(xiàn)大量數(shù)據(jù)的計(jì)算[6，11]。訓(xùn)練流程：（1）在Command Window 窗口輸入原始向量，完成原始數(shù)據(jù)的歸一化處理，輸入目標(biāo)向量；（2）新建BP神經(jīng)網(wǎng)絡(luò)，完成對(duì)newff函數(shù)的訓(xùn)練，訓(xùn)練參數(shù)如表4所示。

迭代5000次后BP神經(jīng)網(wǎng)絡(luò)收斂，對(duì)期望值與訓(xùn)練結(jié)果進(jìn)行分析，建立了空管安全評(píng)價(jià)等級(jí)與影響因素間的非線性關(guān)系，并且期望值與實(shí)際輸出結(jié)果較高，訓(xùn)練過程完成。

3.3 案例分析

對(duì)BP神經(jīng)網(wǎng)絡(luò)安全績效評(píng)價(jià)模型進(jìn)行樣本學(xué)習(xí)訓(xùn)練后，模型具有5個(gè)安全等級(jí)和15個(gè)影響因素的映射關(guān)系，對(duì)某地區(qū)空管單位進(jìn)行安全績效評(píng)價(jià)，得到安全后果、安全管理和安全運(yùn)行三個(gè)因素?cái)?shù)據(jù)匯總?cè)绫?-7所示。

空管單位安全幾次按評(píng)價(jià)模型的結(jié)果為5個(gè)等級(jí)，分別為安全級(jí)5級(jí)：不安全；安全等級(jí)4級(jí)：較不安全；安全等級(jí)3級(jí)：一般安全；安全等級(jí)2級(jí)：較為安全；安全等級(jí)1級(jí)：安全。

安全等級(jí)為1級(jí)時(shí)，輸出結(jié)果接近[1，0，0，0，0]，表明該空管單位在各方面安全問題較小，安全等級(jí)為2級(jí)時(shí)，輸出結(jié)果接近[0，1，0，0，0]，表明該空管單位主要影響因素為安全后果影響因素，安全等級(jí)為3級(jí)時(shí)，表明該單位主要影響因素為安全管理因素；安全等級(jí)為4級(jí)時(shí)，表明該單位主要影響因素為安全運(yùn)行；安全等級(jí)為5級(jí)時(shí)，該單位在各方面均存在較大問題，必須立即采取整改措施。計(jì)算得到該空管單位安全績效評(píng)價(jià)結(jié)果如表8所示。

由表可以看出，該單位評(píng)價(jià)等級(jí)為1級(jí)，級(jí)別為安全，該單位在各方面安全問題較小，與實(shí)際評(píng)價(jià)結(jié)果一致，證明該模型的有效性，同時(shí)誤差情況如圖3所示，預(yù)測結(jié)果與實(shí)際結(jié)果誤差在可接受范圍內(nèi)，但仍有不安全事件的發(fā)生，仍需要注意安全管理等工作，做到防微杜漸，降低不安全事件的發(fā)生率。

4 結(jié)束語

基于BP神經(jīng)網(wǎng)絡(luò)的安全評(píng)價(jià)模型，通過設(shè)定參數(shù)、創(chuàng)建網(wǎng)絡(luò)、檢驗(yàn)和訓(xùn)練等實(shí)現(xiàn)對(duì)樣本數(shù)據(jù)的計(jì)算，對(duì)BP神經(jīng)網(wǎng)絡(luò)安全績效模型的樣本學(xué)習(xí)訓(xùn)練后得到5個(gè)安全等級(jí)與15個(gè)影響因素之間的映射關(guān)系，該方法不僅具有一定的適用性，提高績效分析效率同時(shí)為空管單位安全評(píng)價(jià)提供一種新的思路。同時(shí)由于數(shù)據(jù)樣本有限，需加大樣本數(shù)量，提高模型的準(zhǔn)確度。

參考文獻(xiàn)：

[1]羅冠中，胡明華，張啟錢.空管運(yùn)行效率評(píng)估指標(biāo)體系研究[J].交通信息與安全，2012，30（2）：99-102.

[2]張曉莉.對(duì)開展空管安全管理體系（SMS）建設(shè)的幾點(diǎn)思考[J].空中交通管理，2008（8）：32-34.

[3]肖文娟.基層空管機(jī)構(gòu)安全績效評(píng)價(jià)體系研究[D].武漢理工大學(xué)，2009.

[4]王豐.空管安全管理體系的構(gòu)建及其內(nèi)容[J].科技創(chuàng)新導(dǎo)報(bào)，2011（22）：207-207.

[5]中國民用航空局.空管單位安全績效管理應(yīng)用的指導(dǎo)意見[EB/OL].

[6]張淑玲，王文卿.基于BP神經(jīng)網(wǎng)絡(luò)的煤礦安全績效評(píng)價(jià)模型[J].煤炭技術(shù)，2017（10）：321-323.

[7]姚裕盛，徐開俊.基于BP神經(jīng)網(wǎng)絡(luò)的飛行訓(xùn)練品質(zhì)評(píng)估[J].航空學(xué)報(bào)，2017，38（S1）：23-31.

[8]王洪德，潘科.基于BP神經(jīng)網(wǎng)絡(luò)的民航機(jī)場安全預(yù)警研究[J].安全與環(huán)境學(xué)報(bào)，2008，8（4）：139-143.

[9]范秋芳，F(xiàn)ANQiu-fang.基于BP神經(jīng)網(wǎng)絡(luò)的中國石油安全預(yù)警研究[J].運(yùn)籌與管理，2007，16（5）：100-105.

[10]趙淑芳.基于BP神經(jīng)網(wǎng)絡(luò)的煤礦礦用設(shè)備安全監(jiān)測研究[J].太原理工大學(xué)學(xué)報(bào)，2013，44（5）：619-622.

[11]王浩鋒.基于BP神經(jīng)網(wǎng)絡(luò)的民用航空航段安全風(fēng)險(xiǎn)評(píng)估[J].太赫茲科學(xué)與電子信息學(xué)報(bào)，2010，8（5）：612-615.