基于集對分析的民航運輸事故征候預測模型研究

吳偉鍵

(深圳航空有限責任公司,廣東深圳 518128)

基于集對分析的民航運輸事故征候預測模型研究

吳偉鍵

(深圳航空有限責任公司,廣東深圳 518128)

近幾年國內、國際關于飛機失事的報道層出不窮，不禁引發社會各界對飛機系統是否完善、航空是否安全的思考。所以需要采用行之有效的辦法對事故發生原因進行系統分析和預測，從而是民航加強對飛機的安全管理，經過不斷的完善、改良后，使人們可以乘坐放心、安全的飛機。本文將從集對分析的角度對民航事故預測模型展開研究，旨在為航空安全提供借鑒。

集對分析 民航運輸 事故征候預測模型

民航事故征候指的是航空器在運行的過程中，或者與飛行期間與航空器相關的事件，雖然不產生事故但有可能影響飛行的安全事件。國際航空組織在《安全手冊》中規定了事故、事故癥候類似事件以及事故癥候之間的關系。據相關統計指出，在事故發生之前，大概平均會有28起事故癥候事件和近300其事故癥候類似事件發生。常規的飛行安全管理的重點主要是通過對飛行進行調查的方式，對民航飛行的安全予以改進。

1 民航運輸事故征候預測方法

隨著科技的發展近十年民航事故發生的概率與二十年前有很好的改善，這樣通過傳統對事故調查的方法，進行安全管理的可行性就變得越來越低，基于這種情況，需要開展新型的飛行事故管理辦法，對事故癥候進行及時預防，從而較少重大事故發生。目前，世界上對民航運輸事故癥候預測辦法主要包括：灰色預測法、灰色馬爾可夫預測法、灰色神經網絡預測法、灰色新陳代謝馬爾可夫預測法。

航空研究人員通過運用灰色預測法將航空運輸事故癥候時間等有效數據進行了分析，研究所需的數據量少，易于操作，但對預測波動性較大的事故癥候數據計算時存在一定的偏差，準確性不高[1]。其他研究人員采用灰色馬爾可夫預測法對民航運輸事故癥候進行研究，發現其可以完善灰色預測法中存在一定不足，但由于馬爾可夫鏈比較適用于長期時間的數據序列，因此灰色馬爾可夫預測法在使用時也具有一定的局限性。研究人員將目光投向灰色新陳代謝馬爾可夫預測法，發現運用新陳代謝的模塊能夠生成更具規律的新序列，這樣能夠提升預測的準確性，但因灰色新陳代謝馬爾可夫預測法運用了馬爾可夫鏈而使其產生一定的局限性。灰色神經網絡預測法可以利用神經網絡對灰色數據長時間的數據序列進行處理。研究人員通過觀察發現，灰色神經網絡預測法對數據序列的精確度較高，并且能夠完善傳統預測方法由于數據波動的原因而導致精確度缺失的問題。但對尋求潛在數據的規律和考慮因素不到位，得到的預測結果僅為絕對值。

正是由于時候癥候預測辦法具有不確定性、隨機性等特點使得研究人員難以得到最好的辦法。所以筆者將運用集對分析辦法對民航運輸癥候進行科學、合理的預測[2]。

2 集對分析預測

集對分析是當前較為新的理論，其核心內容是將確定不確定性成為確定不確定性系統，認為確定性與不確定性之間存在相互制約、相互影響、相互聯系等原因。確定性和不確定性之間的聯系度體現于上述論述之中。可以通過公式對不確定進行表達即：u=a+bi+cj。公式中的a指的是兩個集合的同一性，b指的是兩個集合的差異性，c指的是兩個集合的對立度，i指的是差異標記符號，i的取值范圍是-1≤i≤1，j指的是對立標記符號，等于-1、根據上述的定義可以得到a、b、c之間的關系，即a+b=c，a和c是確定的數值，b為不確定值，所以在這個公式中具有確定和不確定因素，是一種確定不確定函數[3]。

3 基于集對分析的民航運輸事故征候預測模型

基于集對分析的民航運輸事故征候預測模型就是講事故癥候量和與之產生影響的因素作為一個整體進行研究。第一，要確定影響事故癥候關系的原因；第二，要建立這些類別的同異反聯系度，當確定未來影響因素時，參照之前的樣本建立預測樣本，從而有效的判斷事故癥候類型，正確的預測事故癥候量。航空運輸事故發生是由多種原因造成的，其中包括運輸生產水平、社會發生程度和航空運輸的資金運行水平等。這些因素與民航事故發生癥候量具有隨機性、模糊性、不確定性等特點，在這種情況下使用是他的預測方法會產生較大的誤差不利于預測的真實性，所以本文使用分析聚類預測法是很有必要的。

3.1 確定影響事故癥候量的因素

航空運輸涉及面廣，影響其因素繁雜。筆者通過閱讀相關的文獻發現對其產生影響的主要因素包括：航空運輸的周轉量、旅客吞吐量、貨物吞吐量、航空運行的時間、機場的起降班次，航空公司的全年飛行班次，航線里程、航空公司收入、國民生產總值，居民消費能力等。

3.2 確定預測事故額癥候量

用字母N表示預測事故的癥候量，根據集對聚類原理，用A表示N可能的分類系統，對應的待測系統為B，那么A={A1，A2，A3，...AN}。

3.3 建立預測事故癥候量分類模式系統

設預測事故癥候量的隔離集合的影響因素的增長率的集合為XK={j=1～m}，參考本年度的增長集合X0={j=1～m}.其中XK為其第k個子集，m為影響因子的數目。UK=AK+BK+CKJ，表示第k個分類集合與集成對分類后得到的異反向量，可以記為聯系度UK=（AK，BK，CK），其中（k=1，2，3...n）。

4 結語

綜上所述，本文首先介紹了民航運輸事故征候預測方法，進而闡述集對分析預測和基于集對分析的民航運輸事故征候預測模型，并且分析發對事故癥候預測的優勢。另外，由于聯系度和同異反之間具有計算較為簡單方便，僅通過分析就能較好的對樣本進行預測，不僅操作簡單而且具有較強的使用性。在構建各種集對時使用的i，j的取值可以根據實際情況進行調整，所以集對分析方法還具有一定的靈活性[4]。雖然集對分析聚類辦法有諸多優勢，但其也有不完善之處，不確定的系數取值問題是一直以來困擾研究人員的問題，筆者通過大量的文獻閱讀仍然沒有找到解決的方案，相信在未來的研究中能夠得到很好的解決。

[1]王永剛,鄭紅運.基于最優變權組合模型的航空運輸事故征候預測[J].中國安全科學學報,2013,10（25):126-131.

[2]劉玲莉,孫亞菲,鄭紅運.基于集對分析的民航運輸事故征候預測模型研究[J].安全與環境工程,2013,10(13):154-158.

[3]霍志勤.基于歷史數據的中國民航跑道安全管理關鍵問題研究[D].南京:南京航空航天大學,2012,11(21):14-116.

[4]朱雪飛.航空公司安全管理系統（SMS）項目的建設與應用研究[D].濟南：山東大學,2013,10(20):112-114.