The invention discloses an aviation accident real time warning method based on GA modified neural network. The method includes: according to the data of cleaning for establishment of historical data; with the whole process of aviation operation business, data and related attributes of path characteristics, using genetic algorithm (GA) to the neural network input layer hidden layer and output layer between the hidden layer connection parameters, calculation of optimal performance to the target network; according to the learning rate and the gradient near the characteristic design of activation function, realize the arbitrary convex function can be determined by the function with arbitrary precision fitting; error correction and performance evaluation methods of reverse. This method solves the problem of the aviation industry's lack of professional and high-performance accident early warning model. It can real-time alert and guide relevant personnel to take measures to reduce the probability of aviation accidents, and has the beneficial effect of professional, efficient and reliable.
【技术实现步骤摘要】
一种基于GA修正神经网络的航空事故实时预警方法
本专利技术属于航空安全大数据挖掘领域,具体涉及一种基于GA修正神经网络的航空事故实时预警方法。
技术介绍
在航空领域,安全是一切工作开展的基础和前提。而因为行业特性和管理方面的原因,目前航空业界的信息化相对较为封闭,航空安全数据处于孤岛状态。近年来,随着机器学习、大数据挖掘乃至人工智能技术的飞速发展,大数据的重要价值已是业内共识,各个孤立的航空运行和安全相关的数据呈现出了开放互联的趋势。目前机器学习特别是神经网络和各种优化技术在金融、营销以及商业领域的发展突出,但在航空安全领域却缺乏专业的、可靠适用并且高效的学习模型,人们对航空安全的掌控仍然处于人为管理层面。
技术实现思路
为了上述问题,本专利技术提供了一种基于GA修正神经网络的航空事故实时预警方法,可在技术层面为航空事故提供实时预警的高效手段。本专利技术的技术方案为:一种基于GA修正神经网络的航空事故实时预警方法,其特征在于:包括以下步骤:A.根据历史数据,建立数据清洗规范;B.采用GA算法优化网络连接参数;C.设计前层激活函数;D.误差的反向修正。所述步骤A的建立思路为:数据分域-计算各特征域的正域和依赖度-计算各特征项对论域Z的重要度-建立清洗规则,其具体方式为:(1)将历史数据划分为论域向量Y,其属性集合记为M和特征域矩阵F=(f1,f2,...,fn),其属性集合记为N,并划分出各自的值域;构建决策系统记为D:则有D=(Y,M∪N);(2)根据Y,M,N,进行集合运算可得到Z/M和Z/N,进而算得N的M正域:PosN(M)=N·M;将特征域F=(f1, ...
【技术保护点】
一种基于GA修正神经网络的航空事故实时预警方法,其特征在于:包括以下步骤:A.根据历史数据,建立数据清洗规范;B.采用GA算法优化网络连接参数;C.设计前层激活函数;D.误差的反向修正。
【技术特征摘要】
1.一种基于GA修正神经网络的航空事故实时预警方法,其特征在于:包括以下步骤:A.根据历史数据,建立数据清洗规范;B.采用GA算法优化网络连接参数;C.设计前层激活函数;D.误差的反向修正。2.如权利要求1所述的基于GA修正神经网络的航空事故实时预警方法,其特征在于:所述步骤A的建立思路为:数据分域-计算各特征域的正域和依赖度-计算各特征项对论域Z的重要度-建立清洗规则,其具体方式为:(1)将历史数据划分为论域向量Y,其属性集合记为M和特征域矩阵F=(f1,f2,...,fn),其属性集合记为N,并划分出各自的值域;构建决策系统记为D:则有D=(Y,M∪N);(2)根据Y,M,N,进行集合运算可得到Z/M和Z/N,进而算得N的M正域:PosN(M)=N·M;将特征域F=(f1,f2,...,fn)依次去掉某一个特征fi∈(f1,f2,...,fn)得到特征集合F1,F2,...,Fn,对上述特征集合进行粗糙分类:Z/F1,Z/F2,...,Z/Fn;进而可算得论域Z关于Fi(i=1,2,...,n)的依赖度:(3)建立数据清洗规范:设定重要度阈值记为θ0,θ0∈[0.01,0.05],依据得到的γF(Z)和计算各特征属性fi的重要度,记为:建立规则:若θFZ(fi)≥θ0,则表明特征属性fi对于预警结果是重要的;若θFZ(fi)<θ0,则属性fi对于预警结果非重要,可以直接清洗掉该属性。3.如权利要求2所述的基于GA修正神经网络的航空事故实时预警方法,其特征在于:所述步骤B的具体方式为:(1)网络拓扑结构和优化参数的确定:首先假设目标神经网络的拓扑结构如下:输入层神经元个数记为r;隐含层神经元个数记为h;输出层神经元个数记为o;然后计算GA编码长度,即上述拓扑结构的连接参数和,记为S:S=r·h+h·o+h+o;另外,迭代次数记为g,输入-隐含层的计算值为:A1,隐含-输出层的计算值为A2,样本数据中实际结论记为T;(2)解码方式根据GA编码S的构成,可将优化目标划分为4部分,输入-隐含层连接权值矩阵记为W1,隐含-输出层连接权值矩阵记为W2,隐含层神经元阈值向量记为输出层神经元阈值向量记为每次GA迭代后的结果记为X,则上述目标参数按如下方式解码:
【专利技术属性】
技术研发人员:盛和超,仲颖慧,刘雪,
申请(专利权)人:山东衡昊信息技术有限公司,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。