[发明专利]基于PCA与深度置信网络的民航安全风险指数预测方法

摘要

本发明公开了一种基于PCA与深度置信网络的民航安全风险指数预测方法，该方法挖掘民航不安全事件与民航安全风险指数之间的映射关系，应用主成分分析方法和深度置信网络，建立民航安全风险预测模型。该方法解决了现有技术中民航风险预测方法中影响参数过少，随着数据量的增加简单数学模型预测效果差等问题。

主权项

1.基于PCA与深度置信网络的民航安全风险指数预测方法，其特征在于，包括民航安全风险预测模型建立阶段和民航安全风险指数预测阶段；所述民航安全风险预测模型建立阶段包括如下步骤：(1)提取S年的民航不安全事件，将其划分为K类，对每年每个不安全事件进行量化，得到S年民航不安全事件量化矩阵X＝(X₁,X₂…X_k…X_K)；其中X_k为S年第k类民航不安全事件量化矩阵，k＝1,2,…,K；其中x_q为S维向量，q＝1,2,…,Q_k，Q_k为第k类民航不安全事件所包含的不安全事件个数；获取S年对应的民航安全风险指数Y＝(y₁,y₂,…y_s…y_S)^T；(2)对每一类不安全事件采用主成分分析降维，设第k类民航不安全事件量化矩阵X_k降维后为对应的低维特征空间为Φ_k；(3)建立民航安全风险预测的深度置信模型，所述模型包括L个堆叠的限制玻尔兹曼机，所述L个堆叠的限制玻尔兹曼机中第l个限制玻尔兹曼机的隐藏层是第l+1个限制玻尔兹曼机的可见层；所述L个堆叠的限制玻尔兹曼机中第一个限制玻尔兹曼机的可见层有K个节点，第L个限制玻尔兹曼机的隐藏层有1个节点；l＝1,2,…,L‑1；(4)对民航安全风险预测的深度置信模型进行训练，优化模型参数，得到民航安全风险预测模型；所述民航安全风险指数预测阶段包括：获取待预测年度的民航不安全事件，并按照步骤(1)中的方法对其进行分类、量化，得到待预测年度的K类民航不安全事件量化向量，将每一类民航不安全事件量化向量映射到步骤2中对应的低维特征空间，得到降维后的向量z_k，将K个降维后的向量输入到训练好的民航安全风险预测模型中，模型的输出即为待预测年度的民航安全风险指数的预测值。