趙桂紅，宋長進(jìn)

（中國民航大學(xué)經(jīng)濟(jì)與管理學(xué)院，天津 300300）

近年來，航空運輸量逐年增加，機(jī)場航班和飛機(jī)的起降架次也隨之升高。機(jī)場更加擁擠、停機(jī)坪差錯和事故時有發(fā)生，停機(jī)坪事故所造成的經(jīng)濟(jì)損失呈現(xiàn)上升趨勢。停機(jī)坪事故的影響因素比較多，因此有必要對這些因素進(jìn)行篩選并實施監(jiān)控和預(yù)警管理[1]。

傳統(tǒng)的預(yù)警方法，如ARCH、模糊分析、ARMA等預(yù)警方法，大多基于Logistic回歸方法和傳統(tǒng)的定性判別，這些方法過多地依賴線性函數(shù)建模，而應(yīng)對非線性規(guī)律的情況時，不具備時變特性，不能進(jìn)行自我調(diào)整。基于人工神經(jīng)網(wǎng)絡(luò)方法具備這些能力與性質(zhì)，而其分類正確率要高于普通的統(tǒng)計預(yù)警方法，因此它可以作為解決機(jī)場停機(jī)坪安全預(yù)警的一個重要工具[2-3]。

1 停機(jī)坪安全管理預(yù)警模型的建立

1.1 方法簡介

本文主要通過因子分析對影響停機(jī)坪安全的因素進(jìn)行分類，確定其主要公共因子。然后根據(jù)公共因子數(shù)目，確定神經(jīng)網(wǎng)絡(luò)模型的輸出期望矩陣，同時運用神經(jīng)網(wǎng)絡(luò)sim（）函數(shù)對遙墻機(jī)場停機(jī)坪的數(shù)據(jù)進(jìn)行仿真，最后得到預(yù)警結(jié)果。

1.1.1 因子分析簡介

在實證研究中，對事物的觀察、分析和描述往往需要從多個角度進(jìn)行觀測，以此反映事物和現(xiàn)象的本質(zhì)。即需要通過觀測多個相關(guān)變量，并通過收集大量數(shù)據(jù)以便對數(shù)據(jù)進(jìn)行分析，從而找出其中的規(guī)律。因子分析就是通過對大量相關(guān)變量的分析，將之轉(zhuǎn)換成較少的、彼此不相關(guān)指標(biāo)的一種多元統(tǒng)計方法[4]。因子分析運算的步驟可以分為兩步：第一步是構(gòu)造因子變量；第二步是對因子變量進(jìn)行命名解釋。

1.1.2 人工神經(jīng)網(wǎng)絡(luò)介紹

BP神經(jīng)網(wǎng)絡(luò)（back-propagation neutral network）是采用由導(dǎo)師對事物進(jìn)行訓(xùn)練，基于誤差反向傳播算法（BP算法）的多層前向神經(jīng)網(wǎng)絡(luò)。它是D.E.Rumelht和J.L.McCelland及其研究小組在1986年研究并設(shè)計出來的，BP算法已成為目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。它可實現(xiàn)輸入和輸出的任意非線性映射，這使得它在數(shù)據(jù)壓縮、函數(shù)逼近、模式識別等領(lǐng)域得到廣泛的應(yīng)用[5]。

本文計算步驟歸納如下：

1）將停機(jī)坪安全管理的影響因子數(shù)據(jù)標(biāo)準(zhǔn)化，求出相關(guān)矩陣；

2）計算停機(jī)坪安全管理相關(guān)矩陣的特征值以及特征向量，得出方差貢獻(xiàn)率和累積方差貢獻(xiàn)率；3）明確影響因子的數(shù)量，計算出網(wǎng)絡(luò)的輸出值；4）計算網(wǎng)絡(luò)輸出值與期望輸出值的誤差，然后反向傳播調(diào)整權(quán)重；

5）對訓(xùn)練集的每個模式都重復(fù)上面兩個步驟，直到整個訓(xùn)練誤差達(dá)到令人滿意的程度為止。

本文最終的預(yù)警輸出結(jié)果是綜合功效系數(shù)對應(yīng)的警度，將風(fēng)險狀況分為Ⅰ[1000]重警、Ⅱ[0100]中警、Ⅲ[0010]輕警、Ⅳ[0001]無警 4 種不同狀態(tài)[6]。

1.2 停機(jī)坪安全預(yù)警指標(biāo)體系的確立

在遙墻機(jī)場通過問卷調(diào)查的方法，對機(jī)場的安全因素情況進(jìn)行打分。在此期間共發(fā)放問卷160份，實際收回148份，回收率92.5%。通過這些問卷，得到了相關(guān)的數(shù)據(jù)指標(biāo)和原始數(shù)據(jù)。

根據(jù)遙墻機(jī)場安全問題的現(xiàn)狀和相關(guān)的安全理論，并通過向?qū)＜易稍?，將對停機(jī)坪安全管理的影響因素歸納為12個指標(biāo)作為對停機(jī)坪安全評價的基本指標(biāo)，如表1所示。

通過專家打分法對各個成分的打分?jǐn)?shù)據(jù)進(jìn)行因子分析，使用SPSS7.0軟件進(jìn)行運算，因子載荷表如表2 所示[7]。

由表2得知，第1公共因子（u1～u4）是以遙墻機(jī)場作業(yè)人員設(shè)備及防護(hù)用品配備充足程度為代表，體現(xiàn)了遙墻機(jī)場停機(jī)坪人員資質(zhì)及培訓(xùn)規(guī)范性；第2公共因子（u5～u7）主要是由遙墻機(jī)場停機(jī)坪作業(yè)車輛使用及管理規(guī)范性所決定，主要針對的是遙墻機(jī)場停機(jī)坪作業(yè)流程操作有效性；第3個公共因子（u8～u10）主要是由遙墻機(jī)場停機(jī)坪各項管理規(guī)章完善程度所決定，主要涉及的是遙墻機(jī)場停機(jī)坪管理及制度完善程度；第4個公共因子（u11～u12）主要是由遙墻機(jī)場飛機(jī)停放凈距規(guī)范性所決定，主要關(guān)注的是遙墻機(jī)場停機(jī)坪設(shè)施管理的規(guī)范。

根據(jù)由因子分析對遙墻機(jī)場停機(jī)坪數(shù)據(jù)的運算結(jié)果，確定公共因子數(shù)量為4，因此確定相對應(yīng)的期望輸出如表3所示。

表1 原始評價指標(biāo)Tab.1 Original evaluation

表2 因子載荷表Tab.2 Factor loading

表3 神經(jīng)網(wǎng)絡(luò)期望輸出值Tab.3 Neural network′s output value of expect

2 停機(jī)坪安全預(yù)警的實現(xiàn)

根據(jù)從遙墻機(jī)場停機(jī)坪問卷中獲得的數(shù)據(jù)，對上述因素進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練。為了能夠獲得神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，需請專家對相應(yīng)指標(biāo)進(jìn)行打分來作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本[8]，如表4所示。

表4 專家對神經(jīng)網(wǎng)絡(luò)訓(xùn)練打分情況Tab.4 Expert scoring for neural network training

訓(xùn)練結(jié)束后，用sim（）函數(shù)進(jìn)行仿真，得到的結(jié)果如表5所示。與前面所得到的期望值輸出表格比較，即可發(fā)現(xiàn)，網(wǎng)絡(luò)輸出值與期望值非常接近，表明通過訓(xùn)練后的BP網(wǎng)絡(luò)是可用的。

表5 sim（）函數(shù)模擬仿真結(jié)果Tab.5 Imitate result of function sim（）

這里采用 Matlab[7.8.0（R2009a）]人工神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)，選用彈性BP算法對相關(guān)的數(shù)據(jù)進(jìn)行數(shù)學(xué)運算。訓(xùn)練過程如圖1所示，可發(fā)現(xiàn)隨著訓(xùn)練次數(shù)的增加，網(wǎng)絡(luò)輸出與期望值之間的誤差越小，本文中目標(biāo)值與期望值的偏差值為小于10-2。

根據(jù)遙墻機(jī)場2010年7月份的指標(biāo)u1～u12評分，可得到以下數(shù)據(jù)：（0.86380.26280.82400.32900.94130.24410.95710.51080.56460.99370.77100.3138）。

將數(shù)據(jù)載入后，經(jīng)過Matlab程序運算，并得到相應(yīng)的結(jié)果。其結(jié)果為

result=[0.00000.10810.00021.0000]

由上面的警情設(shè)置和本次預(yù)警的數(shù)據(jù)可知，本次預(yù)警結(jié)果的預(yù)警級別屬于Ⅳ[0001]，屬于無警狀態(tài)。

重警是指停機(jī)坪發(fā)生重大的安全事故，需要機(jī)場和地方政府各個部門協(xié)同處理。輕警和中警是事故征兆或小的事故發(fā)生情況，需進(jìn)行相應(yīng)的管理調(diào)整和安全引導(dǎo)，消除事故發(fā)生的隱患。無警狀態(tài)是安全狀態(tài)，不需做任何調(diào)整。因此，遙墻機(jī)場7月份的停機(jī)坪安全狀況良好，不需要做任何調(diào)整。

3 結(jié)語

由于因子分析法只是從停機(jī)坪安全指標(biāo)的實際表現(xiàn)值角度對停機(jī)坪安全指標(biāo)進(jìn)行選擇和評價，不用考慮各指標(biāo)的實際權(quán)重，而單單依靠指標(biāo)的數(shù)值進(jìn)行數(shù)據(jù)分析，受人為因素影響較小，因而具有一定的客觀性和可信度。同時，運用BP神經(jīng)網(wǎng)絡(luò)建立停機(jī)坪安全預(yù)警模型，該預(yù)警模型的訓(xùn)練應(yīng)用了遙墻機(jī)場停機(jī)坪運行中的實際數(shù)據(jù)，利用這些數(shù)據(jù)對該模型進(jìn)行了訓(xùn)練，訓(xùn)練后的模型可以用于停機(jī)坪的安全預(yù)警工作。但BP神經(jīng)網(wǎng)絡(luò)的構(gòu)造過程中相關(guān)參數(shù)設(shè)定可能隨著具體的問題而變化，需經(jīng)過大量的訓(xùn)練才能確定。但網(wǎng)絡(luò)的學(xué)習(xí)和記憶具有不穩(wěn)定性，如果增加了學(xué)習(xí)樣本，訓(xùn)練好的網(wǎng)絡(luò)就需從頭開始訓(xùn)練。因此隨著停機(jī)坪管理狀況的變化，不同數(shù)量的數(shù)據(jù)樣本進(jìn)行預(yù)測需重新進(jìn)行訓(xùn)練，才能得到預(yù)警結(jié)果。

此外，運用因子分析和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，除了對停機(jī)坪安全現(xiàn)狀進(jìn)行預(yù)測外，還可對機(jī)場影響安全的其他方面或者總體進(jìn)行預(yù)警，因此在機(jī)場安全管理方面具有更強的實用性。

[1]王云龍.民用機(jī)場停機(jī)坪事故分析和預(yù)防[J].中國民用航空，2009，101（4）：59-61.

[2]趙麗萍，徐維軍.綜合評價指標(biāo)的選擇方法及實證分析[J].寧夏大學(xué)學(xué)報，自然科學(xué)版，2002，23（2）：144-146.

[3]何曉群.現(xiàn)代統(tǒng)計分析方法與運用 [M].北京:人民大學(xué)出版社，1999：68-73.

[4]劉曉慶.上海市旅游咨詢中心服務(wù)效應(yīng)評價研究[D].上海：上海師范大學(xué)，2010.

[5]王 悅.人工神經(jīng)網(wǎng)絡(luò)在綜合評價決策中的應(yīng)用[J].企業(yè)技術(shù)開發(fā)，2007（3）：41-44.

[6]孫 嶸.基于BP神經(jīng)網(wǎng)絡(luò)的中小企業(yè)財務(wù)風(fēng)險預(yù)警研究[D].長沙：長沙理工大學(xué)，2008.

[7]樊 元，郝哲歐.SPSS實用統(tǒng)計分析[M].北京:中國水利水電出版社，2002.

[8]董長虹.Matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M].北京:國防工業(yè)出版社，2007.