中国安全科学学报

作者：肖国松, 刘嘉琛, 张元珊, 董磊, 陈曦

单位：1 中国民航大学 民航航空器适航审定技术重点实验室,天津 300300；2 中国民航大学 科技创新研究院,天津 300300；3 中国民航大学 安全科学与工程学院, 天津 300300；4 中国商飞民用飞机试飞中心, 上海 201323

关键词：轻量级梯度提升机(LightGBM),民用飞机,硬着陆,快速存取记录器(QAR)数据,机器学习,可解释

基金：中央高校基本科研业务费(3122024037); 民用航空器适航审定技术重点实验室开放基金资助(SH2023101701)

为预防民用飞机的硬着陆超限事件,首先,收集包含动力学变量、系统性能和其他工程参数的机载快速存取记录器(QAR)数据,开展机场航段聚类、样本平衡、统计特征提取等数据处理活动;然后,基于轻量级梯度提升机(LightGBM)模型预测民机硬着陆事件,并与极限梯度提升(XGBoost)、决策树(DT)、长短期记忆网络(LSTM)模型进行综合对比;最后,利用Shapley可加性解释(SHAP)算法进一步分析硬着陆事件的致因机制及各飞行参数特征对模型预测结果的影响。结果表明: 所提方法不仅显示出良好的硬着陆事件预测性能,准确率、正确率和召回率分别达到99%,92%和88%,还可针对具体航段对硬着陆预测模型的决策过程提供定量的、可视化的解释信息。

来源：2024年第10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2024年第10期