肖憲波，俞力玲，王浩鋒，李 斌

（中國民航科學(xué)技術(shù)研究院，北京 100028）

基于BP神經(jīng)網(wǎng)絡(luò)和飛行參數(shù)的航段風(fēng)險(xiǎn)評價(jià)

肖憲波，俞力玲，王浩鋒，李 斌

（中國民航科學(xué)技術(shù)研究院，北京 100028）

飛行運(yùn)行風(fēng)險(xiǎn)的定量評估對于民航安全保障具有重要意義。設(shè)計(jì)并實(shí)現(xiàn)了一種基于BP神經(jīng)網(wǎng)絡(luò)算法的航段風(fēng)險(xiǎn)評價(jià)系統(tǒng)。該系統(tǒng)將大量飛行情景參數(shù)直接作為飛行風(fēng)險(xiǎn)評估的基礎(chǔ)，通過飛行能力評價(jià)體系獲得飛行運(yùn)行風(fēng)險(xiǎn)度經(jīng)驗(yàn)數(shù)據(jù)，并使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了任意飛行情景的風(fēng)險(xiǎn)度擬合運(yùn)算。經(jīng)過真實(shí)航班飛行數(shù)據(jù)的測試和飛行品質(zhì)監(jiān)控系統(tǒng)的驗(yàn)證表明，該系統(tǒng)可為進(jìn)近著陸階段任意時(shí)刻的飛行運(yùn)行風(fēng)險(xiǎn)評估提供可靠的結(jié)果。

BP神經(jīng)網(wǎng)絡(luò)；風(fēng)險(xiǎn)評估；飛行安全；飛行參數(shù)

民航安全是民航發(fā)展的基礎(chǔ)和前提，因此航空運(yùn)輸安全評價(jià)指標(biāo)體系研究也得到了業(yè)內(nèi)的持續(xù)關(guān)注。航空運(yùn)輸安全評價(jià)系統(tǒng)按研究角度、指標(biāo)體系側(cè)重點(diǎn)的不同可以分為三類：一類側(cè)重于事故統(tǒng)計(jì)數(shù)據(jù)；一類側(cè)重于風(fēng)險(xiǎn)指標(biāo)（如可控撞地CFIT故障樹）；第三類則側(cè)重于人、機(jī)、環(huán)境等系統(tǒng)隱患因素。用事故統(tǒng)計(jì)數(shù)據(jù)評價(jià)風(fēng)險(xiǎn)是從已經(jīng)發(fā)生的事故中總結(jié)教訓(xùn)，是一種“刻舟求劍”的風(fēng)險(xiǎn)分析方法，帶有一定的片面性。通過系統(tǒng)安全影響因素的邏輯分析得到系統(tǒng)風(fēng)險(xiǎn)指標(biāo)值這一方法，由于影響飛行安全因素多且關(guān)系復(fù)雜，目前人們對其認(rèn)識也還不完善，所以要得到相對完善的邏輯分析圖非常困難。側(cè)重于人、機(jī)、環(huán)境等系統(tǒng)隱患因素的安全評價(jià)指標(biāo)體系則致力于對復(fù)雜的航空運(yùn)輸系統(tǒng)安全問題進(jìn)行簡單化處理，因而被認(rèn)為是一種更加切實(shí)可行的方案。由于與發(fā)生航空事故相關(guān)的因素多且繁雜，又相互作用，因此目前運(yùn)行的大多數(shù)評價(jià)指標(biāo)體系都是針對某一特定航空運(yùn)輸安全問題而設(shè)，且主要基于后兩類評價(jià)指標(biāo)體系。例如，航空質(zhì)量等級（airline quality rating，AQR）[1]可以依據(jù)旅客信息和公司結(jié)構(gòu)等對安全做出質(zhì)量評價(jià)，航空系統(tǒng)風(fēng)險(xiǎn)模型（the aviation system risk model，ASRM）[2]則利用人因與分類系統(tǒng)和貝葉斯網(wǎng)絡(luò)計(jì)算新的安全技術(shù)或干預(yù)對航空安全所造成的影響，美國飛行安全基金會研發(fā)出的飛行運(yùn)行風(fēng)險(xiǎn)評估系統(tǒng)（flight operations risk assessment system，F(xiàn)ORAS）運(yùn)用數(shù)學(xué)模型采用層次分析法，不僅可以找出相關(guān)風(fēng)險(xiǎn)因素，還可以針對航空公司量身定做進(jìn)一步追蹤風(fēng)險(xiǎn)因素的趨勢[3]。

不論上述哪一個(gè)體系使用的評價(jià)方法，都將重點(diǎn)放在對事故的動(dòng)因分析上，主要目的是考察各因素對風(fēng)險(xiǎn)度的影響程度，所以系統(tǒng)成功的基礎(chǔ)是風(fēng)險(xiǎn)度的數(shù)值估計(jì)必須盡可能準(zhǔn)確。目前主要的風(fēng)險(xiǎn)度估計(jì)方法是借助專家經(jīng)驗(yàn)對人因等各種因素的后果進(jìn)行評估。但事實(shí)上，這些因素并不直接造成風(fēng)險(xiǎn)，而是通過將飛機(jī)至于各種危險(xiǎn)的境地而危及飛行安全?？梢?，如果直接依據(jù)飛機(jī)的各種狀態(tài)和情景而非通過人因等因素來進(jìn)行風(fēng)險(xiǎn)評估，則可以提供更加可靠、更直接的風(fēng)險(xiǎn)度估計(jì)值。其中，飛機(jī)的即時(shí)情境可以通過飛行參數(shù)配合其他環(huán)境、人員參數(shù)來體現(xiàn)?，F(xiàn)在民航運(yùn)輸飛機(jī)上的QAR（quick access recorder，快速存取記錄器）一般包含了上百個(gè)飛行參數(shù)，幾乎可以將整個(gè)飛行過程完全重現(xiàn)?，F(xiàn)在廣泛應(yīng)用的基于QAR數(shù)據(jù)的飛行品質(zhì)監(jiān)控（flight operation quality assurance，F(xiàn)OQA）就是一種基于飛行參數(shù)的評價(jià)系統(tǒng)，可通過檢測超限事件的觸發(fā)情況對飛行員的操作進(jìn)行事后評估，是一種離散分布的邏輯式的簡單的風(fēng)險(xiǎn)評價(jià)系統(tǒng)。而我們在這里致力于實(shí)現(xiàn)的，則是一個(gè)結(jié)合多方面情景因素的連續(xù)分布式的較復(fù)雜的航段風(fēng)險(xiǎn)評價(jià)系統(tǒng)。

基于以上思路，設(shè)計(jì)實(shí)現(xiàn)了一種主要基于飛行數(shù)據(jù)的飛行即時(shí)情景的航段風(fēng)險(xiǎn)評估系統(tǒng)。在該系統(tǒng)中，選擇了飛機(jī)進(jìn)近著陸階段（從離機(jī)場無線電高度3 000 ft至接地）這一航段為研究對象，利用調(diào)查問卷統(tǒng)計(jì)樣本情景的風(fēng)險(xiǎn)數(shù)值，并使用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建飛行風(fēng)險(xiǎn)指標(biāo)評測模型。該模型將基于16個(gè)參數(shù)針對即時(shí)情景給出風(fēng)險(xiǎn)度的評估值。風(fēng)險(xiǎn)估計(jì)的基礎(chǔ)來源于飛機(jī)的即時(shí)情景，因而準(zhǔn)確度較高。該系統(tǒng)的特點(diǎn)和可能應(yīng)用將在本文最后一節(jié)討論。

1 系統(tǒng)設(shè)計(jì)

本文研究的航段安全風(fēng)險(xiǎn)評估技術(shù)是通過引入風(fēng)險(xiǎn)控制的概念，并綜合考慮飛行環(huán)境和飛行員操作，采用神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)方法，以飛行員問卷結(jié)果訓(xùn)練模型，來最終得出航段的風(fēng)險(xiǎn)值。其具體步驟可分為飛行數(shù)據(jù)搜集和飛行情景構(gòu)建、飛行能力評估體系運(yùn)用和調(diào)查問卷的設(shè)計(jì)和使用、數(shù)據(jù)處理和BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)和訓(xùn)練這三個(gè)主要部分，其過程可以用圖1來描述。圖中樣本數(shù)據(jù)可通過采集近年來飛行階段發(fā)生的事故和事故征候數(shù)據(jù)獲得；飛行情景是指除飛行員個(gè)體以外的與航空安全有關(guān)的各種因素所構(gòu)成的空間，包括機(jī)場信息、跑道信息、機(jī)組資源管理信息等；問卷調(diào)查是設(shè)計(jì)問卷并向?qū)＜壹墑e的飛行員獲取經(jīng)驗(yàn)信息的過程；神經(jīng)網(wǎng)絡(luò)方法為BP神經(jīng)網(wǎng)絡(luò)方法；風(fēng)險(xiǎn)評估工具為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；運(yùn)營數(shù)據(jù)是來自于飛行數(shù)據(jù)，并可以用來驗(yàn)證和修正評估模型；風(fēng)險(xiǎn)評估結(jié)果為風(fēng)險(xiǎn)度。

圖1 航段安全風(fēng)險(xiǎn)評估模型的構(gòu)建和使用流程Fig.1 Construction flowchart of proposed flight risk assessment model

1.1 情景參數(shù)的選擇

為充分體現(xiàn)飛行情景和盡可能包含影響當(dāng)時(shí)風(fēng)險(xiǎn)數(shù)值的狀態(tài)因素，構(gòu)建模型時(shí)使用的情景參數(shù)將由4部分構(gòu)成：①飛行員年齡、技術(shù)等級、總飛行時(shí)數(shù)等信息；②機(jī)型；③機(jī)場和跑道信息；④飛行參數(shù)信息，總共包含飛行高度、與跑道距離、與跑道夾角、空速、下降率、俯仰角、坡度、風(fēng)向、風(fēng)速等17個(gè)參數(shù)。在研究中，情景的選擇則包括飛行品質(zhì)監(jiān)控結(jié)果提供的重要飛行參數(shù)的超限時(shí)刻和一些固定時(shí)刻，后者被設(shè)定為進(jìn)近著陸過程中離機(jī)場地面高度約3 000 ft、2 000 ft、1 000 ft、500 ft、400 ft、300 ft、200 ft、100 ft、50 ft、40 ft、30 ft、20 ft、10 ft和 0 ft時(shí)刻。

1.2 樣本的選擇

本文使用的數(shù)據(jù)主要來自近5年來B737型飛機(jī)、A320型飛機(jī)真實(shí)飛行進(jìn)近著陸階段數(shù)據(jù)，包括正常航段數(shù)據(jù)和非正常航段數(shù)據(jù)2大類。這主要是考慮到這兩個(gè)系列機(jī)型的機(jī)隊(duì)是中國民航的主力機(jī)隊(duì)，其規(guī)模大、分布廣，并且性能數(shù)據(jù)相近。非正常航段是指一些發(fā)生事故、事故征候和不安全事件的航段，事件的種類包括沖出跑道、偏出跑道、場外接地、CFIT、單發(fā)著陸、鳥擊/雷擊后著陸等民航事故征候的主要類型。

1.3 調(diào)查問卷的設(shè)計(jì)

由于風(fēng)險(xiǎn)程度這一概念比較抽象，不便度量，即使是專家也不可能面對十幾個(gè)情景參數(shù)就能直接給出風(fēng)險(xiǎn)數(shù)值，因此將情景風(fēng)險(xiǎn)度的評價(jià)轉(zhuǎn)化為對飛行員綜合能力要求的評價(jià)，即在當(dāng)前情景下，對能操縱該飛機(jī)安全落地的主駕駛飛行員的綜合飛行能力的要求。在調(diào)查問卷中，對飛行員綜合飛行能力的評價(jià)又被細(xì)化為5個(gè)方面：飛行理論知識、駕駛技能、情景意識和預(yù)判能力、CRM及機(jī)組與管制員的配合、決策處理能力。這5方面能力的評估結(jié)果共同構(gòu)成了綜合飛行能力的評估結(jié)果，并將其轉(zhuǎn)化為風(fēng)險(xiǎn)度值，即在某飛行情景下，為保證飛行運(yùn)行安全，所需飛行員的綜合飛行能力越高，該情景的風(fēng)險(xiǎn)度值越高。調(diào)查問卷中對每一套情景參數(shù)都提出表1中的5個(gè)問題，每題答案 A～E 對應(yīng)著數(shù)值 10、7.5、5、2.5、0，5 題答案乘以權(quán)重后經(jīng)線性變換即可得到該情景下的風(fēng)險(xiǎn)度值。

表1 航段安全風(fēng)險(xiǎn)調(diào)查問卷問題Tab.1 Questionnaire offlight risk assessment

2 基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)險(xiǎn)評估模型

人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）是用物理上可實(shí)現(xiàn)的器件或計(jì)算機(jī)對生物神經(jīng)網(wǎng)絡(luò)進(jìn)行某種抽象、簡化和模擬，這種方法能克服目前計(jì)算機(jī)或其他系統(tǒng)不能解決的問題，如學(xué)習(xí)、控制、識別和專家系統(tǒng)等[4]。BP 網(wǎng)絡(luò)（back－propagation network，反向傳播網(wǎng)絡(luò)）是ANN中應(yīng)用最廣的一種。其利用非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練，數(shù)學(xué)意義明確、結(jié)構(gòu)簡單、可塑性強(qiáng)，在函數(shù)逼近、模式識別、信息分類及數(shù)據(jù)壓縮等領(lǐng)域得到了廣泛的應(yīng)用。特別是其“非線性映射”能力，無需事先了解描述這種映射關(guān)系的數(shù)學(xué)方程，只要能提供足夠多的樣本模式對供BP網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，它便能通過對系統(tǒng)輸入輸出樣本對的自動(dòng)學(xué)習(xí)，以任意精度逼近任意復(fù)雜的n維輸入空間到m維輸出空間的非線性映射，成為多維非線性函數(shù)的通用數(shù)學(xué)模型[5]。這正適合解決在航段風(fēng)險(xiǎn)評估系統(tǒng)中面臨的問題：可通過調(diào)查問卷得到大量情景參數(shù)和對應(yīng)的風(fēng)險(xiǎn)度，卻不了解參數(shù)和風(fēng)險(xiǎn)度之間的解析關(guān)系。此外，BP網(wǎng)絡(luò)優(yōu)良的泛化能力（當(dāng)向網(wǎng)絡(luò)輸入訓(xùn)練時(shí)未曾見過的非樣本數(shù)據(jù)時(shí)，網(wǎng)絡(luò)也能完成由輸入空間向輸出空間的正確映射）和容錯(cuò)能力（允許輸入樣本中帶有較大的誤差甚至個(gè)別錯(cuò)誤），也是它被選為航段風(fēng)險(xiǎn)評估模型的重要原因。

依據(jù)樣本參數(shù)和飛行風(fēng)險(xiǎn)估計(jì)的需要，并經(jīng)過反復(fù)訓(xùn)練，最終構(gòu)造了17×17×14×5×1×1的6層BP神經(jīng)網(wǎng)絡(luò)作為飛行風(fēng)險(xiǎn)估計(jì)模型，如圖2所示。模型第一層為輸入層，輸入的樣本數(shù)據(jù)包含高度（ft）、距離（nmile）、表速（kts）、下降率（ft/m）、俯仰角（deg）、坡度（deg）等17個(gè)飛行情景參數(shù)，采自多個(gè)正常、超限和事故航班的進(jìn)近著落階段；第二層為輸入轉(zhuǎn)換層，是第一層數(shù)據(jù)在[0.1，0.9]區(qū)間的歸一化；第三層、第四層均為隱層；第五層為輸出層；第六層為輸出轉(zhuǎn)換層，將輸出結(jié)果影射入[0，10]的風(fēng)險(xiǎn)度數(shù)值空間。

使用訓(xùn)練樣本對圖2所示的飛行運(yùn)行風(fēng)險(xiǎn)評估模型進(jìn)行訓(xùn)練后，經(jīng)測試得到該模型的擬合誤差均方根MSE為9.966 9×10－7，標(biāo)準(zhǔn)差SSE為1.016 6×10－4，誤差范圍為[－4 × 10－3，6 × 10－3]。這樣的精度完全可以滿足實(shí)際飛行風(fēng)險(xiǎn)估計(jì)的需要。

為獲得大量的樣本數(shù)據(jù)，以飛行情景參數(shù)為數(shù)據(jù)基礎(chǔ)，以飛行能力評估體系為主體設(shè)計(jì)了調(diào)查問卷，并在東方航空公司江蘇分公司和上?；氐腁320飛行部隊(duì)進(jìn)行了調(diào)研和問卷發(fā)放。在調(diào)研過程中，發(fā)放調(diào)研問卷618份，共有58位飛行員針對106個(gè)飛行場景進(jìn)行了有關(guān)風(fēng)險(xiǎn)度的問答，這些數(shù)據(jù)豐富了飛行參數(shù)和飛行風(fēng)險(xiǎn)樣本數(shù)據(jù)庫。

使用樣本數(shù)據(jù)訓(xùn)練得到的模型擬合了某正常航班（圖3中AN2297曲線，包含281個(gè)飛行情景）和某超限航班（圖3中AU6017曲線，包含250個(gè)飛行情景）進(jìn)近著陸航段的飛行風(fēng)險(xiǎn)數(shù)值曲線，如圖3所示。圖3中縱坐標(biāo)表示飛行風(fēng)險(xiǎn)度，分布于0～10之間，其數(shù)值越大表示飛行越危險(xiǎn)。可以看出，航班AN2296的飛行風(fēng)險(xiǎn)隨飛機(jī)接近地面而緩慢增加，這符合訓(xùn)練和測試中眾多正常航班表現(xiàn)出的普遍規(guī)律。而航班AU6017的風(fēng)險(xiǎn)度曲線則有些異常，從2 000 ft開始風(fēng)險(xiǎn)度增長速度偏快，可以觀察到在高度為584 ft附近時(shí)，風(fēng)險(xiǎn)度數(shù)值有一次突兀的變化，另外，在高度為80 ft以下處，風(fēng)險(xiǎn)度數(shù)值有明顯的增加。經(jīng)過和飛行品質(zhì)監(jiān)控（FOQA）的監(jiān)測結(jié)果對比，發(fā)現(xiàn)飛機(jī)在無線電高度584 ft時(shí)，發(fā)生了“垂直過載大”的超限事件，在高度為76 ft開始，連續(xù)發(fā)生超限事件，包括“最終進(jìn)近坡度大”、“最終進(jìn)近速度小”和“接地仰角大”。這些超限時(shí)間的發(fā)生與圖3中AU6017曲線的風(fēng)險(xiǎn)度估計(jì)的幾次變化非常吻合，也驗(yàn)證了本文提出的飛行風(fēng)險(xiǎn)估計(jì)模型的準(zhǔn)確和有效。

3 結(jié)論和討論

進(jìn)近著陸階段是航空事故的多發(fā)階段，因而對這一階段飛行運(yùn)行風(fēng)險(xiǎn)的評估和監(jiān)測是提高民航安全水平、采取有效措施預(yù)防事故發(fā)生的重要手段。本文實(shí)現(xiàn)的飛行運(yùn)行風(fēng)險(xiǎn)評估模型，基于QAR飛行數(shù)據(jù)并具有很好的擴(kuò)展性，適用于航后進(jìn)近著陸階段的風(fēng)險(xiǎn)評估。它與其他風(fēng)險(xiǎn)評估系統(tǒng)的區(qū)別在于，其不以人因等因素而是以飛機(jī)的即時(shí)情境為考量。所以本文建立的模型可改進(jìn)目前航空公司的飛行品質(zhì)監(jiān)控，量化航段風(fēng)險(xiǎn)。便于對各種情境下飛行的危險(xiǎn)程度進(jìn)行定量評價(jià)，但是對導(dǎo)致危險(xiǎn)的原因不能提供直接的答案，只能指出當(dāng)時(shí)各飛行參數(shù)對飛行風(fēng)險(xiǎn)的影響程度。本文模型的作用在于：

1）針對飛行即時(shí)情境風(fēng)險(xiǎn)做出定量評價(jià)。在足量樣本數(shù)據(jù)支持下，該模型可以對任何情境的飛行運(yùn)行風(fēng)險(xiǎn)做出定量評估。只要提供情景參數(shù)，該模型可對任意時(shí)刻的飛行風(fēng)險(xiǎn)進(jìn)行評估，對航班則可以提供風(fēng)險(xiǎn)度隨時(shí)間變化的曲線。相比于現(xiàn)有的飛行品質(zhì)監(jiān)控的離散的、片面的等級式評估，本文模型可以提供連續(xù)的、立體的、綜合的量化風(fēng)險(xiǎn)值，使安全管理人員能更詳細(xì)、更直觀地掌握飛行安全狀況。

2）為人因等風(fēng)險(xiǎn)相關(guān)因素提供了更加直接可靠的風(fēng)險(xiǎn)度數(shù)值作為評估基礎(chǔ)。因?yàn)樵陲L(fēng)險(xiǎn)因素和風(fēng)險(xiǎn)度中還隔著飛航情景這一層，所以本文模型提供的風(fēng)險(xiǎn)度數(shù)值比過去依靠調(diào)查問卷直接對風(fēng)險(xiǎn)因素進(jìn)行評估得到的數(shù)值更加可靠。

3）由于該模型輸入?yún)?shù)均來自于飛行參數(shù)和已知條件（如目標(biāo)機(jī)場等），所以若有實(shí)現(xiàn)實(shí)時(shí)飛行風(fēng)險(xiǎn)評估系統(tǒng)的可能，則本文中的模型是建立實(shí)時(shí)系統(tǒng)的極好選擇。通過與機(jī)上QAR建立借口獲取數(shù)據(jù)，該模型可提供實(shí)時(shí)風(fēng)險(xiǎn)分析、甚至短時(shí)風(fēng)險(xiǎn)預(yù)測能力?，F(xiàn)有的其他類似系統(tǒng)都用于飛行前的風(fēng)險(xiǎn)預(yù)測或飛行后的風(fēng)險(xiǎn)評估，未能用于實(shí)時(shí)系統(tǒng)。

4）可以對同一航路的多次飛行的安全情況進(jìn)行橫向比較，以風(fēng)險(xiǎn)度指標(biāo)衡量每次的飛行表現(xiàn)。也可以針對不同航空公司、不同航路、不同天氣、不同機(jī)場等條件進(jìn)行風(fēng)險(xiǎn)度統(tǒng)計(jì)，以從中發(fā)現(xiàn)規(guī)律，查找安全隱患，改進(jìn)安全管理，預(yù)防航空事故，提高運(yùn)營效益。

5）在本文實(shí)現(xiàn)的模型基礎(chǔ)上可擴(kuò)充要素，如在情景參數(shù)中豐富機(jī)組、天氣、地理、航空公司安全措施等要素，則模型的評估準(zhǔn)確程度可再有提高。此外，該模型也可通過對歷史數(shù)據(jù)的分析為飛行前的安全預(yù)測提供幫助。

可以看出，本文模型還有很大的發(fā)展?jié)摿?，其?jì)算原理和計(jì)算結(jié)果的可靠性已在本文工作中得到了驗(yàn)證。模型本身的誤差分析結(jié)果表明其飛行風(fēng)險(xiǎn)估計(jì)值和專家經(jīng)驗(yàn)一致。而更進(jìn)一步的實(shí)際航班進(jìn)近著陸階段飛行運(yùn)行風(fēng)險(xiǎn)的連續(xù)監(jiān)測結(jié)果也表明，該算法的風(fēng)險(xiǎn)估計(jì)值曲線走勢合理，其突變處與飛行品質(zhì)監(jiān)控的超限事件相互對應(yīng)，算法對風(fēng)險(xiǎn)度數(shù)值的估計(jì)可信度高。

[1] BOWEN B D，HEADLEY D E.The Airline Quality Rating[EB/OL][2010-11-05].http：//downloads.aqr.aero/reports/2008aqr.pdf，Apr1997.

[2] LUXHOEJ J T，COIT D W.Modeling Low Probability/High Conse

quence Events：an Aviation Safety Risk Model[C]//Reliability and Maintainability Symposium，Newport Beach，California，2006 Annual 2006：215-221.

[3]HADJIMICHAEL M，MCCARTHY J.Implementing the Flight Operations Risk Assessment System[C]//57th International Air Safety Seminar，Shanghai，China，Nov 2004.

[4] The Free Encyclopedia[EB/OL].[2010-04-15].http：//en.wikipedia.org/wiki/Artificial_neural_network.

[5]WANG L，ZHAO Z，SHAO Y-M，et al.A method of compensating magneticcompass′stemperatureerrorusingBPnetwork[J].JournalofPhysics：Conferenceseries，2006，48：165-168.

Flight Risk Estimation Based on BP Neural Network and Flight Data

XIAO Xian-bo， YU Li-ling， WANG Hao-feng，LI Bin
（China Academy of Civil Aviation Science and Technology，Beijing，100028， China）

Quantitative risk assessment of flight operation is significant to flight safety guarantee.A risk assessmentsystem was developed based on BP neural network.This system contains a flight capability index system to evaluate the risk of flight scenario，and a BP neural network model to simulate the risk value.Massive scenarios were used to train the model.Test results of real flight data during approach and landing was confirmed by FOQA program，and indicated that the proposed system can provide reliable flight operation risk assessment value of any moment.

BP neural network；risk assessment；flight safety；flight data

V328.3

A

1674－5590（2011）01－0035－04

2010-06-20；

2010-10-12 基金項(xiàng)目：中國民用航空局科技基金項(xiàng)目（MHRD0715）

肖憲波（1978—），女，湖北武漢人，工程師，工學(xué)博士，研究方向?yàn)楹娇瞻踩A(yù)防技術(shù)、航空事故分析技術(shù).

（責(zé)任編輯：李 侃）