基于灰色理论的飞行事故率和事故症候率预测.doc

第 25卷第 6期中国民航大学学报 Vol.25 No.6 2007年 12月 JOURNAL OF CIVIL AVIATION UNIVERSITY OF CHINA December,2007 基于灰色理论的飞行事故率和事故症候率预测杜毅 (民航中南空管局 ,广州 510405)摘要:基于灰色预测理论 ,给出了飞行事故率和事故症候率预测分析的新方法。分析结果表明 ,采用灰色预测理论对飞行事故率和事故症候率进行预测分析 ,可以得到满意的预测精度 ,从而为民用航空器运营管理提供决策依据。关键词 :飞行事故 ;事故症候 ;预测方法 ;灰色理论中图分类号 :V355.1文献标识码 :A文章编号 :1001-5000(2007)06-0009-02 Forecast Analysis of Flight Accident-Rate or Flight Incident-Rate DU Yi (Middle and South Region Air Traffic Control AgencyofCAAC,Guangzhou 510405,China) Abstract:The newforecast analysis method on the flight accident-rate and the flight incident-rate is discussed byusing the forecast method based on grey control principle. The result shows that the satisfied precision of the forecast analysis on flight accident-rate and flight incident-rate can be obtained by using grey forecast. The decision basis for safety management of the civil aircraft operation may be provided. Keywords:flightaccident; flightincident; forecastmethod; greycontrolprinciple航空器在运行过程中 ,维修差错、错误操作和恶劣运行环境等都可能导致飞行事故或飞行事故症候。飞行事故症候是指航空器运行过程中发生的严重不安全情况或航空器损坏、人员受伤 ,但其严重程度未构成飞行事故。飞行事故症候包括航空器着陆偏出或冲出跑道,跑道外接地 ,发动机空中停车 ,危险接近 ,地面撞障碍物 ,雷击 ,鸟击等。飞行事故率和飞行事故症候率是衡量一个国家的民航事业或一般航空公司经营管理状态的重要指标。飞行事故率和飞行事故症候率反映了一个国家或一个航空公司的民用航空安全水平。进行飞行事故率和飞行事故症候率预测研究 ,并将研究成果应用到航空安全管理实践中 ,可为国家或航空公司的安全管理提供决策依据。 1预测方法灰色预测理论在对国民经济和自然界各种具有灰色特征的事物分析中已经得到了广泛的应用 1-2。本文将探讨灰色预测理论在民用航空器的飞行事故率和飞行事故症候率预测中的应用。民用航空器的飞行事故率和飞行事故症候率与诸多因素有着密切关系 ,如航空器的设计与维修水平、飞行驾驶、空中交通管理、机场管理和气候环境等。这些影响因素与飞行事故率和飞行事故症候率的关系具有随机性 ,无法精确地建立数学模型进行描述。因此 ,飞行事故率或飞行事故症候率与诸多影响因素构成的分析系统属于灰色系统。事实上 ,难以精确建立数学模型的系统均属于灰色系统 3。飞行事故率和飞行事故症候率的预测是一种灰色预测。这种灰色预测可以针对已知统计量建立灰色预测模型 ,从而确定系统未来的变化趋势。设飞行事故率或飞行事故症候率的统计量是等时间间隔的时序统计量。统计得到的 n个飞行事故率 (或飞行事故症候率 )构成原始序列 ,以下列向量表示 x(0)=x(0)(1)，x(0)(2)，.， x(0)(n) (1)这是一组信息不完全的灰色量 ,具有很强的随机性。通过对其进行生成处理 ,可提供更多的有用信息。本文采用一次累加序列进行生成处理。其一次累加序列为收稿日期 :2007-05-24;修回日期 :2007-09-14作者简介 :杜毅 (1964-),男,天津人 ,高工 ,工学学士 ,研究方向为航空安全管理 .中国民航大学学报 2007年 12月10 x(1)=x(1)(1)，x(1)(2)，.， x(1)(n) (2)时)统计数据 4。本文采用灰色预测理论 ,利用中国民式中 :x(1)为一次累加生成序列 航 19942002年 9年间的飞行事故症候万时率数据 ,预测了 2003年的飞行事故症候万时率。k x(1)(k)=!x(0)(i) k=1,2,.,n表 1中国民航 19942003年的飞行事故症候万时率 i=1 Tab.1Flightincident-ratepertenthousandflighthoursinCAACfrom1994to2003在数据累加生成的基础上 ,用线性动态模型对生成数据进行拟合和逼近 ,得到如下形式的白化形式微分方程 dx(1)(t) + ax (1)(t)=u (3)dt 该微分方程的离散解为 (1) (0) ak+x (k+1)= x (1)e-,2,.,n (4)-uauak=1#年份飞行事故症候万时率 1994 1.8334 1995 1.3975 1996 1.0854 1997 1.0384 1998 1.0364 1999 0.8336 2000 0.5966 2001 0.5661 2002 0.5771 2003 0.5045由表 1的数据 ,按式 (2)进行一次累加 ,得到 x(1)序由式 (4)可知 ,微分方程的解是一指数函数。实际上,对于任意非负离散点序列 ,其一次累加序列呈现指列如表 2所示。表 2一次累加序列值 数规律。因此 ,用指数函数来拟合是可以的。Tab.2 Series results of the first accumulation微分方程中的常数可用最小二乘法给出 ,其向量形式为 T -A= au $=(BT B)1BTYN (5)式中 (0)(1) 年份原始序列 x 一次累加序列 x 1994 1.8334 1.8334 1995 1.3975 3.2309 1996 1.0854 4.3163 1997 1.0384 5.3547 1998 1.0364 6.3911 1999 0.8336 7.2247 2000 0.5965 7.8213 2001 0.5661 8.3874 2002 0.5771 8.9645 )* + (1) (1) -0.5x(1)+x (2) 1 (1) (1) -0.5x(2)+x (3) 1B= (1) (1) -0.5x(n-1)+x (n) & ( 表 3给出了根据一次累加值计算 B矩阵和 YN值。表 3B和 YN值 Tab.3 Values of B and YN 1 YN = & ( x x x )* + (0)(2) (0)(3) (0)(n i Bi,1 Bi,2 Yj 1 -2.53215 1 3.2309 2 -3.7736 1 4.3163 3 -4.8355 1 5.3547 4 -5.8729 1 6.3911 5 -5.8729 1 7.2247 6 -7.5230 1 7.8213 7 -8.10435 1 8.3874 8 -8.67595 1 8.9645 )按式 (5)求得 a和 u后,代入式 (4)计算出生成序列的拟合值 ,用X(1)来表示 将表 3中的数据代入式 (5),经计算得到 a=0.133619 X(1) = x (1) (1), x (1) (2),.,x (1) (n)-u=1.695159再将上面的值代入式 (4),得到一次累加值。利用式 (6)再按下式 x (0) (k+1)=x (1) (k+1)-x (1) (k) k=1,2,.,n (6)累减生成还原值 ,从而得到 2003年飞行事故症候万时率的预测值为 0.4661。由表 1可知 2003年的实际飞(0)累减生成还原序列 ,从而得到预测结果 x (n+1)。 行事故症候万时率统计值为 0.5045。预测值和实际值两者相对误差为 7.6%。图 1给出了 19942003年实际2预测实例 飞行事故症候万时率与采用灰色理论累减生成还原数据的比较。图 1中,系列 1为累减生成还原数据曲线 ,系2.1飞行事故症候率预测实例列 2为实际飞行事故症候万时率曲线 ,两者在预测点相表 1给出了中国民航 19942003年 10年间的对误差为 7.6%。两曲线数据点上最大相对误差为 16%。 飞行事故症候万时率 (飞行事故症候次数 /万飞行小(下转第 18页)中国民航大学学报 2007年 12月18广泛的应用 ,而这些正是飞机的远程监测与故障诊断所涉及的范畴 ,其算法完全可用于飞机的远程监测与故障诊断。针对当前飞机故障诊断存在的问题 ,结合粗糙集和模糊集各自的优点 ,研究、开发了基于粗糙集和模糊集结合的飞机远程故障诊断模型。该模型具有客户端响应速度快 ,系统效率高 ,诊断及时等特点 ,对当前民用飞机的远程故障诊断具有重要的应用价值。参考文献 : 1 CHAKRABARTY B N. Fuzziness in rough setsJ. Fuzzy Sets and Systems,2000,110(1):247-251. 2 NIKHIL R PAL. Some new information measures for fuzzy setsJ. Inform Sci,1993,67(1):209-228. 3 HOU TUNG-HSU,HUANG CHUN-CHI. Application of fuzzy logic and variable precision fough set approach in a remote monitoring manufacturing process for diagnosis rule inductionJ. Journal of Intelligent Manufacturing,Springer Netherlands,2004,15(3):395-408. 4 WANG ZHONG-HAO,SHAO XIN-YU,ZHANG GUO-JUN,etc. Integration of Variable Precision Rough Set and Fuzzy Clustering:An Application to Knowledge Acquisition for Manufacturing Process PlanningCLecture Notes in Computer Science,Springer Berlin/Heidelberg,2005,3642:585-593. 5 DANLI,JITENDER DEOGUN,WILLIAMSPAULDING,etc. Dealing with Missing Data:Algorithms Based on Fuzzy Set and Rough Set TheoriesCLecture Notes in Computer Science,Springer Berlin/Heidelberg,2005,3700:37-57. 6江志农 ,吕晓,张进明 .基于粗糙集 -神经网络在机械振动中的模糊诊断 J.计算机应用 ,2004,24:304-306. 7史永胜 ,李宗杰 .一种新型的飞机刹车系统故障诊断方法 J.航空维修与工程 ,2006(3):44-46. 8王广,李军.基于粗糙集理论的航空发动机故障诊断 J.航空发动机 ,2005,31(4):51-53. (责任编辑 :李侃) (上接第 10页) -2.2飞行事故预测实例表 4给出了中国民航每 5年二等或重大以上运输飞行事故万次率 (飞行事故次数 /万飞行次数 )统计数表 4中国民航每 5年二等或重大以上运输飞行事故万次率 Tab.4 Flight accident-rate above class 2 or fatal per ten thousand flight hours in CAAC every 5 years年份飞行事故万时率 19501954 1.594 19551959 1.172 19601964 0.104 19651969 0.315 19701974 0.295 19751979 0.142 19801984 0.094 19851989 0.101 19901994 0.072 19951999 0.012 20002003 0.007 据4。本文也采用灰色预测理论 ,利用表 4给出的从 19501999年这 50年间 10个时间段的飞行事故万次率数据 ,预测了 20002004年间的运输飞行事故万次率。计算过程同前 ,经计算得到预测值为 0.008。表 4给出的 20002003年间的运输飞行事故万次率统计值为 0.007,预测值与统计值相对误差为 14%。 3结语民用航空器飞行事故率和飞行事故症候率与诸多影响因素有关 ,构成一个灰色系统。本文研究结果表明 : 1)采用灰色预测理论 ,对飞行事故症候率和飞行事故率进行预测