基于文本挖掘的空管不正常事件风险预测研究

• 作者: 吴欣蓬 吴磊 毛继志 汤新民 郭鸿滨
• 来源期刊: 航空计算技术
• 关键词: 空管安全 文本挖掘 概念模型 LDA主题模型 风险致因因素 贝叶斯网络 风险预测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 计算方法
• 页码范围: 1-8,12
• 页数: 9页
• 分类号: V328
• 语种: 中文

摘要

人为因素是导致航空事故的主要原因.在空管系统安全问题频发的背景下,以空管不正常事件为研究对象,采用Python语言对空管不正常事件记录进行文本挖掘分析.建立概念向量空间模型,解决一义多词问题.提出将空管风险模式抽象为主题,采用LDA(潜在狄利克雷分配)算法围绕风险主题提取风险致因因素.相比于TF-IDF算法,LDA能挖掘出更多潜在风险致因因素,且与专家评审意见基本一致,证明了方法的可靠性,实现了风险致因因素的自动提取.提出将LDA提取的风险致因因素与HFACS模型进行整合,形成以人为因素为中心的风险贝叶斯预测网络.考虑到不正常事件为不完全样本,使用EM算法优化贝叶斯网络参数.通过Netica软件对测试记录进行预测,验证了方案的有效性,同时也证明了文本挖掘结果的正确性与客观性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汤新民	南京航空航天大学民航学院	63	369	11.0	16.0
2	郭鸿滨		2	0	0.0	0.0
3	毛继志		2	0	0.0	0.0
4	吴欣蓬		1	0	0.0	0.0
8	吴磊	南京航空航天大学民航学院	4	4	2.0	2.0