Forschung zur Vorhersage von Flugunfällen basierend auf einem Backpropagation-Neuralen Netzwerk

Mit der rasanten Entwicklung der Zivilluftfahrt und der signifikanten Verbesserung der Lebensstandards der Menschen ist das Fliegen mit dem Flugzeug zu einer gängigen und effizienten Reisemethode geworden. Aufgrund der Flugmerkmale der Flugzeuge und der Komplexität der Tragstruktur kommen jedoch von Zeit zu Zeit Flugverspätungen und Flugunfälle vor. Darüber hinaus ist der Lebensrisikofaktor, den Flugzeuge nach einem Unfall mit sich bringen, auch der höchste unter allen Verkehrsmitteln. In dieser Arbeit wurde ein Modell auf der Grundlage eines Backpropagation-Neuralen Netzwerks verwendet, um Flugunfälle vorherzusagen. Durch die Sammlung historischer Flugdaten, einschließlich einer Vielzahl von Faktoren wie meteorologischen Bedingungen, technischer Zustand des Flugzeugs und Erfahrung des Piloten, haben wir ein Backpropagation-Neurales Netzwerk trainiert, um potenzielle Unfallrisiken zu identifizieren. Bei der Modellgestaltung wird eine mehrschichtige Perzeptronstruktur verwendet, um die Netzwerkleistung zu optimieren, indem die Anzahl der Knoten in den verborgenen Schichten und die Lernrate angepasst werden. Die experimentelle Analyse zeigt, dass das Modell in der Lage ist, Flugunfälle mit hoher Genauigkeit und Zuverlässigkeit effektiv vorherzusagen.