基于文本挖掘的民航事件风险评估

• 作者: 倪晓梅 王华伟 熊明兰 王峻洲
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 民航安全 风险评估 安全预警 文本挖掘 卷积神经网络
• 年，卷（期）: 2022,（6）
• 所属期刊栏目: 计算机科学
• 页码范围: 73-79
• 页数: 6页
• 分类号: X949
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2022285

摘要

为实现“安全第一、预防为主、综合治理”的民航安全管理目标，建立了从报告中学习并评估风险等级的深度学习模型. 首先采集航空安全报告系统中10年报告，根据严重度建立事件后果的量化指标，确定5个风险等级：高、中高、中、中低和低风险，并消除事件结果分布不平衡和结果多样性的影响 . 然后应用卷积神经网络（Convolutional Neural Network，CNN）探索非结构化的事件概要与风险等级之间的关系，通过该模型对事件进行分类，确定风险等级.风险评估模型与不同量化指标和不同方法对比，其分类准确率可达 96%，优于其他指标和方法. 最后应用该模型对非结构化的事件概要挖掘，对2020年事件进行快速的风险评估，预测准确率可达 80%. 基于 CNN的民航风险评估模型可以对文本格式的事件概要充分挖掘，快速评估与主动感知风险，对支持安全预警具有重要意义.