典型文献
航班运行控制风险评估精度提升方法
文献摘要：
为了解决航班风险评估精度不足的问题,对某航空公司225个航班运行数据进行统计和分析,运用Lasso和随机森林算法、粗糙集分析和支持向量机、主成分分析与RBF神经网络结合3类算法,使用相同训练集和测试集构建风险评价模型.结果表明:随机森林算法分类精度为88％;主成分分析与支持向量机算法合用分类精度由64％提升至86％;非线性主成分分析与RBF神经网络算法合用精度由52％提升至80％.综合3类算法的精度适用范围,构建混合模型,其最终分类结果精度可高达94％;并且,经过K折稳定性检验验证了方案的可用性和可靠性.
文献关键词：
安全工程;航班运控风险;风险评估;Lasso与RF;支持向量机;RBF神经网络
中图分类号：
作者姓名：
谢春生;杨志远;刘锟;王岩韬
作者机构：
中国民航大学航空公司人工智能民航局重点实验室,天津300300
文献出处：
引用格式：
[1]谢春生;杨志远;刘锟;王岩韬-.航班运行控制风险评估精度提升方法)[J].安全与环境学报,2022(03):1227-1234
A类：
航班运控风险
B类：
航班运行,运行控制,控制风险,精度提升,提升方法,班风,航空公司,运行数据,Lasso,随机森林算法,粗糙集,RBF,训练集,测试集,风险评价模型,算法分类,分类精度,支持向量机算法,非线性主成分分析,神经网络算法,混合模型,稳定性检验,检验验证,可用性,安全工程,RF
AB值：
0.377472
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
