基于 LSTM 与代价敏感学习的民航超限实时预警

Yiming Bian

基于 LSTM 与代价敏感学习的民航超限实时预警

机器学习 2023-05-09 v1

作者: Yiming Bian

摘要

由于潜在的安全风险，客机飞行过程中的超限问题在民航领域受到越来越多的关注。为解决该问题，实时自动化预警系统至关重要。本研究基于 QAR 数据监控，提出一种民航超限实时预警模型。首先，利用 Spearman 秩相关系数从海量 QAR 数据集中提取与超限高度相关的属性。由于飞行超限是一个样本不平衡的二分类问题，本文在 LSTM 模型中引入代价敏感学习（cost-sensitive learning）。最后，采用网格搜索方法优化 LSTM 模型中的时间步长、LSTM 单元数量与学习率。该模型在真实数据集上训练，并在验证集上评估性能。实验结果表明，所提模型的 F1 分数达 0.991、准确率为 0.978，证明了其在民航超限实时预警中的有效性。

关键词

民航超限实时预警 LSTM 代价敏感学习 QAR 数据 Spearman 相关网格搜索

引用

@article{arxiv.2305.04618,
  title  = {A LSTM and Cost-Sensitive Learning-Based Real-Time Warning for Civil Aviation Over-limit},
  author = {Yiming Bian},
  journal= {arXiv preprint arXiv:2305.04618},
  year   = {2023}
}

备注

7 pages, 6 figures

基于 LSTM 与代价敏感学习的民航超限实时预警

摘要

关键词

引用

备注

相关论文