中国安全科学学报

作者：段照斌, 杜海龙, 张鹏

单位：1 中国民航大学 工程技术训练中心,天津 300300; ；2 中国民航大学 适航学院,天津 300300

关键词：QAR2Vec,特征提取,Transformer网络,自回归,预训练,深度学习

基金：国家自然科学基金青年基金资助(61703406);天津市教学成果奖重点培育项目(PYGJ-006)。

针对传统特征提取方法难以从海量、高维的快速存取记录器(QAR)数据中提取有效特征,且QAR数据缺乏足够的标记等问题,提出一种以Transformer网络为核心的QAR2Vec模型,将QAR数据与位置信息、飞行阶段信息共同编码,作为QAR2Vec模型的输入;通过构建自回归预测的预训练任务以自监督的方式来学习海量QAR数据中的深层特征;保存预训练好的QAR2Vec模型权重,并在飞行状态预测和着陆异常天气识别任务上,微调预训练模型,使模型适应不同的下游任务;将QAR2Vec模型与2种没有预训练步骤的深度学习算法CNN-LSTM、MTL-LSTM进行对比。结果表明:QAR2Vec模型能够更有效地从QAR数据中提取特征,在飞行状态预测和着陆异常天气识别任务上的预测误差更低、识别准确度更高。

来源：2021年第1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2021年第1期