民航機場跑(場)道事故風險管理技術(shù)研究.pdf

1、機場跑道作為提供航空器起飛和降落的場所，其安全保障對機場安全以及整個航空運輸系統(tǒng)安全有著十分重要的意義。近年來，隨著航空運輸業(yè)的發(fā)展，在機場跑道面上或和跑道直接相關的區(qū)域內(nèi)發(fā)生的事故日益增多。如何提高機場跑道的安全水平，對跑道運行過程中存在的事故風險進行識別、評價、預測和控制是當前國內(nèi)外民航界非常關心的問題。
　　 本文以兩類突出的跑道事故-飛機重著陸和跑道侵入為研究對象，運用風險管理理論，對機場跑道事故風險的識別、評價、預測和

2、控制進行了研究。主要內(nèi)容及取得的研究成果總結(jié)如下：
　　 1、對跑道事故風險的相關定義進行了闡述，描述了跑道事故風險的特性，構(gòu)建了跑道事故風險管理體系，明確了跑道事故風險識別、風險評價、預測和風險控制的涵義、目的、意義和程序，形成了完整的跑道事故風險管理框架，為后文的研究奠定了基礎。
　　 2、機場跑道事故風險識別的研究。針對飛機重著陸，分析了飛機重著陸的發(fā)生過程，提出了通過分析飛機著陸階段的受力情況，確定飛機重著陸的風

3、險識別參數(shù)，用于基于智能診斷的飛機重著陸風險評價；針對跑道侵入，分析了跑道侵入案例，結(jié)合問卷調(diào)查，提出了從人員、通信、環(huán)境和管理四個方面，逐級識別跑道侵入的風險因素。
　　 3、飛機重著陸風險評價的研究。在分析飛機重著陸風險因素特性的基礎上，提出了基于智能診斷的飛機重著陸風險評價方法，實現(xiàn)了飛機重著陸的風險評價。即，以航空公司飛行品質(zhì)監(jiān)控數(shù)據(jù)庫中相關參數(shù)值作為模型樣本數(shù)據(jù)，在確定出的飛機重著陸風險識別參數(shù)的基礎上，構(gòu)建了基于最小

4、二乘支持向量機(LS-SVM)的飛機重著陸智能診斷(風險評價)模型，將傳統(tǒng)單一參數(shù)診斷擴展到綜合多因素信息的診斷。采用遺傳算法優(yōu)化了LS-SVM參數(shù)，獲得了最優(yōu)的診斷模型，用于對測試樣本的診斷，以驗證模型的泛化性能。實例診斷結(jié)果表明了，支持向量機比神經(jīng)網(wǎng)絡具有更高的診斷精度，實現(xiàn)了飛機重著陸的風險評價。為了進一步提高診斷的準確性，提出了多核LS-SVM分類算法，并應用于飛機重著陸的實例診斷(風險評價)，診斷結(jié)果表明了，多核支持向量機優(yōu)于

5、單核支持向量機，更好的實現(xiàn)了飛機重著陸的風險評價。
　　 4、跑道侵入風險評價的研究。在識別出的跑道侵入風險因素的基礎上，建立了跑道侵入風險評價的三級指標體系，提出了利用可拓評價法對跑道侵入風險進行評價，針對可拓評價中傳統(tǒng)關聯(lián)函數(shù)的不足，提出了改進的關聯(lián)函數(shù)，并進行了實例計算；在跑道侵入失誤類型劃分的基礎上，提出了從人因可靠性角度進行跑道侵入風險評價，并利用認知可靠性與失誤分析方法(CREAM)對預防跑道侵入活動中人員失誤的概率

6、進行了計算。
　　 5、飛機重著陸和跑道侵入預測的研究。以統(tǒng)計的飛機重著陸和跑道侵入數(shù)據(jù)為一維樣本數(shù)據(jù)，利用數(shù)值試驗法確定了樣本數(shù)據(jù)嵌入維數(shù)，重構(gòu)了訓練樣本數(shù)據(jù)。在此基礎上，構(gòu)建了基于最小二乘支持向量回歸機(LS-SVR)的飛機重著陸和跑道侵入預測模型。針對LS-SVR的參數(shù)優(yōu)化問題，提出了多層自適應搜索算法，在每層尋優(yōu)區(qū)域內(nèi)，動態(tài)調(diào)整搜索步長，實現(xiàn)了LS-SVR參數(shù)的優(yōu)化。應用實例驗證了預測模型的實用性，具有較高的精度，適用于