中国安全科学学报

作者：王文超, 何健, 汪磊, 张航宾

单位：1 中国民航大学 安全科学与工程学院,天津 300300；2 中国南方航空股份有限公司 信息中心,广东 广州 510403

关键词：飞行员,风险预警,极限梯度提升(XGBoost),Transformer,快速存取记录仪(QAR)

基金：民航航空公司人工智能重点实验室项目(CZ202301118101)

为强化飞行过程中的风险管理机制,提出一种融合飞行大数据的飞行员操纵风险性预警方法。首先,从快速存取记录仪(QAR)数据中筛选与不稳定进近相关的核心参数,并利用梯度提升决策树(XGBoost)算法进行特征优化,确定关键风险预警指标。然后,融合Transformer网络的注意力机制,构建有效捕捉时空依赖性的动态风险识别架构。最后,以山东某航空公司B737-800型机的航班数据为例,验证方法性能。结果表明:该方法能够有效预测飞行中的风险事件,尤其在降落前的关键时刻,方法可提供高精度的风险预警。与传统预警方法相比,该方法在识别精度、方法泛化性以及特征提取效能方面表现出显著优势。

来源：2025年第9期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第9期