陳艾荔

正德職業(yè)技術(shù)學院 江蘇南京 211106

隨著我國航空事業(yè)的不斷發(fā)展，飛行人才缺口逐漸增大。這一狀況對民航飛行訓練工作提出了較高的要求。結(jié)合既往民航飛行訓練管理經(jīng)驗來看，傳統(tǒng)數(shù)據(jù)分析模式的弊端較多。而大數(shù)據(jù)的引入則可彌補上述缺陷。因此，探討大數(shù)據(jù)與民航飛行訓練的整合具有一定必要性。

1 大數(shù)據(jù)的應用優(yōu)勢

于民航飛行訓練中引入大數(shù)據(jù)的優(yōu)勢在于：第一，精準評估訓練效果。民航開展飛行訓練的目的為：通過訓練提升飛行員的專業(yè)技能[1]。實現(xiàn)上述目標的前提為：飛行訓練管理人員可根據(jù)實際訓練狀況，準確評估訓練成果。但從當前民航飛行訓練狀況而言，隨著飛行人才需求量的增長，訓練任務日益增加。對于管理人員而言，傳統(tǒng)數(shù)據(jù)分析方式，難以為訓練評估工作提供可靠支持。而大數(shù)據(jù)則可借助其在數(shù)據(jù)挖掘、識別、分析等方面的優(yōu)勢，為管理人員提供準確的訓練評估結(jié)果。第二，保障飛行安全。民航飛行訓練風險主要與被訓練飛行員的誤操作、飛機設備故障等因素有關。于民航飛行訓練中引入大數(shù)據(jù)后，管理人員可在大數(shù)據(jù)技術(shù)的支持下，精準識別海量訓練數(shù)據(jù)中的風險因素（誤操作數(shù)據(jù)、飛機異常數(shù)據(jù)），并依據(jù)風險因素類型，采取調(diào)整訓練要點、加強飛機維修等措施，提高飛行訓練安全性。

2 大數(shù)據(jù)在民航飛行訓練中的運用分析

這里主要從以下幾方面入手，針對大數(shù)據(jù)在民航飛行訓練中的運用進行分析：

2.1 誤操作事件識別與處理方面

（1）訓練數(shù)據(jù)預處理。結(jié)合既往民航飛行訓練經(jīng)驗來看，駕駛員在進行飛行訓練期間，容易因技能掌握不當、心理承受能力不足等，而出現(xiàn)誤操作現(xiàn)象[2]。由于飛行訓練要求較高，加之飛行環(huán)境相對復雜，當出現(xiàn)某種誤操作時，如駕駛員未能及時處理，可能會誘發(fā)其他相關誤操作事件。為保障飛行訓練的安全性，充分發(fā)揮飛行訓練的作用，可運用大數(shù)據(jù)技術(shù)-- 關聯(lián)挖掘算法技術(shù)，幫助駕駛員及時識別誤操作，并為其后續(xù)護理提供支持。

考慮到民航飛行訓練數(shù)據(jù)的特殊類型（多為布爾值、實數(shù)），為保障關聯(lián)分析算法的有效利用，可按照如下模式針對來源于民航飛行訓練的原始數(shù)據(jù)進行預處理：

第一，選擇特征值。在處理原始訓練數(shù)據(jù)時，可結(jié)合既往飛行訓練管理經(jīng)驗，從駕駛員的海量訓練數(shù)據(jù)中選出可反應訓練中違規(guī)操作的數(shù)據(jù)，挖掘數(shù)據(jù)的特征值。當前，民航飛行訓練數(shù)據(jù)中包含的常見檢測操作較多，如失速、著陸過載超限、俯仰姿態(tài)超限以及油門操縱過猛等。在此基礎上，逐一提取各檢測操作的特征，并將其轉(zhuǎn)化為字母（以簡化后續(xù)數(shù)據(jù)處理）。例如，對于俯仰姿態(tài)超限這一操作，可將其特征確定為俯仰角，以A 表示該特征；失速及空速超限均以空速為特征，并以S 替代該特征。第二，數(shù)據(jù)清洗。原始民航飛行數(shù)據(jù)量較大，其中涉及較多無效數(shù)據(jù)。為保障關聯(lián)挖掘分析結(jié)果的可靠性，可于前期原始數(shù)據(jù)處理環(huán)節(jié)，從海量訓練數(shù)據(jù)中剔除空缺數(shù)據(jù)及產(chǎn)生于無效記錄時段（降落滑行階段、前期地面熱身階段等）的數(shù)據(jù)。第三，數(shù)據(jù)特征量化歸約。為確保關聯(lián)分析算法在民航飛行訓練中的有效運用，可在于駕駛員原始訓練數(shù)據(jù)中直接提取垂直加速度、俯仰角以及空速等特征數(shù)據(jù)的基礎上，根據(jù)大數(shù)據(jù)分析要求，合理計算原始訓練數(shù)據(jù)無法直接體現(xiàn)的特征數(shù)據(jù)，如飛機升降速度變化率、發(fā)動機轉(zhuǎn)速變化率等。例如，在飛機升降速度變化率的計算可按照如下模式完成：計算n 時刻飛機升降速度與n-1 時刻飛機升降速度的差值，并計算n 時刻與n-1 時刻間的差值，兩差值之比（速度差值/ 時刻差值）即為飛機升降速度變化率參數(shù)。另外，對于以布爾值、實數(shù)值形式出現(xiàn)的原始訓練數(shù)據(jù)，則需參照訓練指導手冊或?qū)I(yè)人士（充分了解大數(shù)據(jù)技術(shù)、了解民航飛行訓練）的建議，針對布爾值數(shù)據(jù)、實數(shù)值數(shù)據(jù)進行量化規(guī)約處理。

（2）頻繁項集、關聯(lián)規(guī)則挖掘。為確定海量訓練數(shù)據(jù)中的關聯(lián)，可基于關聯(lián)分析算法，以FP-Groeth 法、Apriori 法，于海量數(shù)據(jù)中挖掘頻繁集。確定頻繁集后，可依據(jù)上述信息，進一步挖掘訓練數(shù)據(jù)中隱藏的關聯(lián)規(guī)則。

（3）測試分析。為驗證關聯(lián)分析算法的有效性，選用1500組經(jīng)傳統(tǒng)數(shù)據(jù)分析法分析完成的原始訓練數(shù)據(jù)進行驗證。傳統(tǒng)數(shù)據(jù)分析結(jié)果顯示，1500 組數(shù)據(jù)中，共涉及18 次誤操作事件（俯仰姿態(tài)超限、失速等）。關聯(lián)分析算法共識別出18 次誤操作事件，且事件類型與傳統(tǒng)數(shù)據(jù)分析法所提示的信息相符。另外，這一大數(shù)據(jù)技術(shù)還得出如下關聯(lián)規(guī)則：俯仰姿態(tài)超限合并失速事件發(fā)生時，易引發(fā)油門過猛操縱失誤；二者單獨發(fā)生時，也易引發(fā)油門過猛操縱失誤[3]。

2.2 飛機發(fā)動機異常狀態(tài)預測方面

（1）數(shù)據(jù)預處理。在運用支持向量機算法（SVM）模型預測飛機發(fā)動機異常狀態(tài)時，可按照提取特征值、清洗無效數(shù)據(jù)、特征縮放的流程，完成原始訓練數(shù)據(jù)的預處理。例如，在處理空速數(shù)據(jù)時，可經(jīng)比例調(diào)節(jié)法將飛機空速的范圍設置于122-127kt 間。

（2）發(fā)動機異常預測。運用SVM 模型預測發(fā)動機異常的流程為：基于最小化風險原則，從海量數(shù)據(jù)中確定一個超平面（滿足最大間隔分類要求）。選定Gamma、損失函數(shù)canshuP 以及懲罰因子C，構(gòu)建預測模型。為驗證該模型的價值，將2000 組訓練時飛機發(fā)動機數(shù)據(jù)輸入模型中，經(jīng)模型預測（網(wǎng)格搜索法），確定P 平方評價值為0．621，原始訓練數(shù)據(jù)曲線與模型預測曲線十分貼近。表明該方法的預測價值較高。

3 結(jié)語

綜上所述，強化大數(shù)據(jù)技術(shù)與民航飛行訓練的整合具有一定現(xiàn)實意義。為保障民航飛行訓練成效，可參照飛行訓練管理要求，將大數(shù)據(jù)技術(shù)融合于飛行訓練效果評估、飛機發(fā)動機異常狀態(tài)識別等環(huán)節(jié)中。為了進一步發(fā)揮大數(shù)據(jù)技術(shù)的優(yōu)勢，還可參照大數(shù)據(jù)技術(shù)的特征，不斷優(yōu)化民航飛行訓練管理模式，以提高飛行人才培養(yǎng)質(zhì)量。