中国安全科学学报

作者：吴维, 吴泽萱, 王兴隆, 祝龙飞

单位：1 中国民航大学 民航飞联网重点实验室,天津 300300；2 中国民航大学 空中交通管理学院,天津 300300

关键词：强化学习,动态贝叶斯网络(DBN),跑道侵入,风险预测,灰色关联分析

基金：中央高校基本科研业务费项目中国民航大学专项(3122025098)

为解决机场跑道侵入事件风险量化难度大、时效性差、精准性低等问题,提升跑道侵入风险预警能力,构建融合强化学习的动态贝叶斯网络(DBN)风险预测模型。首先,结合因果推断理论与灰色关联分析法分析跑道侵入历史事件,识别跑道侵入事件风险致因;其次,运用贝叶斯网络(BN)理论挖掘各风险因素间的关联性,并利用皮尔逊线性相关系数量化各因素间的关联关系,构建表征风险传播的致因关系网络;然后,利用三角模糊方法与隐马尔可夫模型(HMMs)优化DBN参数学习机制;最后,利用历史数据验证基于融合强化学习的DBN预测结果准确性。结果表明:基于融合强化学习的DBN预测结果与历史数据统计数值的拟合较好,准确率为84 %,与单独DBN预测结果相比准确性提升10 %;相比于采用度值评价法,通过互信息识别关键节点可有效提升预测准确率和区分度。

来源：2024年第7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7期