Key points are not available for this paper at this time.
नागरिक उड्डयन के तेजी से विकास और लोगों के जीवन स्तर में महत्वपूर्ण सुधार के साथ, हवाई जहाज लेना एक सामान्य और कुशल यात्रा का तरीका बन गया है। हालांकि, विमानों की उड़ान विशेषताओं और फ्यूसलाज संरचना की जटिलता के कारण, उड़ान में देरी और उड़ान दुर्घटनाएँ समय-समय पर होती रहती हैं। इसके अलावा, दुर्घटना के बाद विमान द्वारा लाए गए जीवन जोखिम कारक सभी परिवहन के तरीकों में सबसे अधिक होते हैं। इस कार्य में, उड़ान दुर्घटनाओं की भविष्यवाणी करने के लिए बैक-प्रोपगेशन न्यूरल नेटवर्क पर आधारित एक मॉडल का उपयोग किया गया। ऐतिहासिक उड़ान डेटा, जिसमें मौसम की स्थितियों, विमान की तकनीकी स्थिति और पायलट के अनुभव जैसे विभिन्न कारक शामिल हैं, एकत्र करके, हमने संभावित दुर्घटना जोखिमों की पहचान करने के लिए एक बैकप्रोपगेशन न्यूरल नेटवर्क मॉडल को प्रशिक्षित किया। मॉडल डिज़ाइन में, नेटवर्क प्रदर्शन को ऑप्टिमाइज़ करने के लिए मल्टी-लेयर पर्सेप्ट्रॉन संरचना का उपयोग किया गया है, जिसमें छिपे हुए परत के नोड्स की संख्या और लर्निंग रेट को समायोजित किया गया है। प्रयोगात्मक विश्लेषण से पता चलता है कि मॉडल उच्च सटीकता और विश्वसनीयता के साथ उड़ान दुर्घटनाओं की प्रभावी भविष्यवाणी कर सकता है।
लियू एट अल। (बुध,) ने इस प्रश्न का अध्ययन किया।