[发明专利]基于PCA与深度置信网络的民航安全风险指数预测方法

权利要求书

1.基于PCA与深度置信网络的民航安全风险指数预测方法，其特征在于，包括民航安全风险预测模型建立阶段和民航安全风险指数预测阶段；所述民航安全风险预测模型建立阶段包括如下步骤：

(1)提取S年的民航不安全事件，将其划分为K类，对每年每个不安全事件进行量化，得到S年民航不安全事件量化矩阵X＝(X₁,X₂…X_k…X_K)；其中X_k为S年第k类民航不安全事件量化矩阵，k＝1,2,…,K；其中x_q为S维向量，q＝1,2,…,Q_k，Q_k为第k类民航不安全事件所包含的不安全事件个数；

获取S年对应的民航安全风险指数Y＝(y₁,y₂,…y_s…y_S)^T；

(2)对每一类不安全事件采用主成分分析降维，设第k类民航不安全事件量化矩阵X_k降维后为对应的低维特征空间为Φ_k；

(3)建立民航安全风险预测的深度置信模型，所述模型包括L个堆叠的限制玻尔兹曼机，所述L个堆叠的限制玻尔兹曼机中第l个限制玻尔兹曼机的隐藏层是第l+1个限制玻尔兹曼机的可见层；所述L个堆叠的限制玻尔兹曼机中第一个限制玻尔兹曼机的可见层有K个节点，第L个限制玻尔兹曼机的隐藏层有1个节点；l＝1,2,…,L-1；

(4)对民航安全风险预测的深度置信模型进行训练，优化模型参数，得到民航安全风险预测模型；

所述民航安全风险指数预测阶段包括：

获取待预测年度的民航不安全事件，并按照步骤(1)中的方法对其进行分类、量化，得到待预测年度的K类民航不安全事件量化向量，将每一类民航不安全事件量化向量映射到步骤2中对应的低维特征空间，得到降维后的向量z_k，将K个降维后的向量输入到训练好的民航安全风险预测模型中，模型的输出即为待预测年度的民航安全风险指数的预测值。

2.根据权利要求1所述的基于PCA与深度置信网络的民航安全风险指数预测方法，其特征在于，步骤(1)中不安全事件量化后的值组成向量x_q，x_q中的第s个元素的值为第s年、第k类民航不安全事件中第q个不安全事件发生次数与飞行小时数的比值，s＝1,2,…,S。

3.根据权利要求1所述的基于PCA与深度置信网络的民航安全风险指数预测方法，其特征在于，所述步骤(2)中对第k类民航不安全事件量化矩阵X_k采用PCA降维，降维后为T_k<Q_k，T_k为第k类降维后保留的主要成分个数；计算降维后每个主要成分对应的比重：ω^*＝(ω₁^*,ω₂^*,…ω_K^*)，其中，为第k类民航不安全事件量化矩阵降维后保留的第t个主要成分所对应的特征值；k＝1,2,…,K，t＝1,2,…,T_k。

4.根据权利要求1所述的基于PCA与深度置信网络的民航安全风险指数预测方法，其特征在于，步骤(3)中建立的深度置信模型中位于中间的可见层和隐藏层的节点数J的取值为：

或：

或：

其中K为民航不安全事件的类别数，d为[0,10]以内的常数。

5.根据权利要求3所述的基于PCA与深度置信网络的民航安全风险指数预测方法，其特征在于，步骤(3)中建立的深度置信模型，由4个限制玻尔兹曼机堆叠而成，该4层网络的节点数可以表示为[K,J₁,J₂,J₃,1]，J₁,J₂,J₃分别为第一、第二、第三个限制玻尔兹曼机隐藏层的节点数。