[发明专利]一种航空网络风险预测方法及风险等级评估方法

权利要求书

1.一种航空网络风险预测方法，其特征在于，包括以下步骤：

S1：分别对航空网络中机场节点受损前后的运行效率下降风险和容量下降风险进行评估，并对运行效率下降风险和容量下降风险进行耦合得到航空网络宏观运行总风险，得到航空网络的历史风险评估序列；

S2：对所述航空网络的历史风险评估序列进行降噪处理；

S3：对降噪处理后的历史风险评估序列进行相空间重构；

S4：将相空间重构后的历史风险评估序列输入建立好的神经网络模型中，并对所述神经网络模型的参数进行迭代优化；

所述步骤S4的具体步骤为：

S401：对混沌RBF神经网络模型的初始权值以及隐含层中心节点坐标进行优化；

S402：将所述混沌RBF神经网络模型的最优初始权值及隐含层中心节点坐标代入所述混沌RBF神经网络模型，并将训练样本输入所述混沌RBF神经网络模型进行模型训练，优化模型参数，得到训练好的混沌RBF神经网络模型；其中，所述训练样本基于归一化处理后的历史风险评估序列得到；

S5：利用优化后的神经网络模型对航空网络的风险进行预测；

所述步骤S5基于训练好的混沌RBF神经网络模型，并采用迭代预测的方法对航空网络在未来预设时间段内的风险进行预测，其具体方法为：

将测试样本输入训练好的混沌RBF神经网络模型中，首先通过单次预测得到第D+1天的风险预测值，并根据得到的第D+1天的风险预测值进行相空间重构，然后将相空间重构后的第D+1天的风险预测值再次输入训练好的混沌RBF神经网络模型中预测得到第D+2天的风险预测值，重复执行前述过程，得到航空网络在未来预设时间段内的风险预测序列：

{R_p(D+1),R_p(D+2),...R_p(D+D')}；

其中：R_p(D+1),R_p(D+2),...R_p(D+D')分别为对应某一天的风险预测值；D为历史风险评估序列的长度，即历史风险评估的天数；D'为未来预设时间段的长度。

2.根据权利要求1所述的一种航空网络风险预测方法，其特征在于，在步骤S1中，采用一N×N的邻接矩阵表示航空网络，所述航空网络中各机场分别视为一个独立的机场节点，所述机场节点由所述邻接矩阵的顶点表示，所述步骤S1具体包括以下步骤：

S101：设定航空网络中具有航线连接关系的两个机场节点之间的初始连边权值，计算航空网络在初始时刻的运行效率，并对两个机场节点之间的连边权值进行迭代更新，计算连边权值更新后对应的运行效率，得到航空网络的运行效率下降风险值；

S102：引入虚拟外界机场节点，利用该虚拟外界机场节点与航空网络中的所有机场节点建立双向连接，并计算航空网络的初始容量以及受恶劣天气影响后的航空网络总容量的变化值，得到航空网络的容量下降风险值；

S103：对所述航空网络的运行效率下降风险值和容量下降风险值进行定权，得到所述航空网络的效率下降风险权值及容量下降风险权值，进而得到航空网络的历史风险评估序列：

其中：R(d)为航空网络的历史风险评估序列，d＝1,2,...,D，D为历史风险评估序列的长度；为航空网络的运行效率风险序列，r_e为航空网络的效率下降风险权值；为航空网络的容量下降风险序列，r_c为航空网络的容量下降风险权值。