基于BA-WNN的滑行道安全风险预警方法

doi:10.16265/j.cnki.issn1003-3033.2017.08.023

中国安全科学学报 ›› 2017, Vol. 27 ›› Issue (8): 132-137.doi: 10.16265/j.cnki.issn1003-3033.2017.08.023

基于BA-WNN的滑行道安全风险预警方法

刘俊勇¹, 高曙^1,2 教授, 罗帆^**3, 魏万淇¹

1 武汉理工大学计算机科学与技术学院,湖北武汉 430063;
2 武汉理工大学交通物联网技术湖北省重点实验室,湖北武汉 430063;
3 武汉理工大学管理学院,湖北武汉 430070

收稿日期:2017-04-28 修回日期:2017-07-03 出版日期:2017-08-20 发布日期:2020-10-13
通讯作者: **罗帆(1963—),女,湖南益阳人,博士,教授,博士生导师,主要从事安全风险管理、人力资源管理等方面的研究。E-mail:sailluof@126.com。
作者简介:刘俊勇(1992—),男,湖北应城人,硕士研究生,主要研究方向为智能计算。E-mail: ljy120261693@163.com。
基金资助:
国家自然科学基金资助(71271163)。

Research on BA-WNN based safety risk early warning method of taxiway in airport

LIU Junyong¹, GAO Shu^1,2, LUO Fan³, WEI Wanqi¹

1 School of Computer Science and Technology, Wuhan University of Technology, Wuhan Hubei 430063, China;
2 Hubei Key Laboratory of Transportation Internet of Things, Wuhan University of Technology,Wuhan Hubei 430063,China;
3 School of Management, Wuhan University of Technology, Wuhan Hubei 430070, China

Received:2017-04-28 Revised:2017-07-03 Online:2017-08-20 Published:2020-10-13

摘要/Abstract

摘要： 为更有效地实现具有复杂性、时变性及非线性的机场滑行道安全风险预警,降低事故发生率,针对小波神经网络(WNN)训练过程易陷入局部最优以及训练不稳定等影响预测准确性问题,采用蝙蝠算法(BA)优化WNN,设计和实现基于BA-WNN的滑行道安全风险预警方法,并将其与BP神经网络(BPNN)、WNN、遗传算法优化小波网络(GA-WNN)等3种方法进行有效性对比。结果表明:BA-WNN方法的预警准确率最高(约为84%),在所有工况下误警率都较低。

关键词: 风险预警, 预警指标, 滑行道, 蝙蝠算法(BA), 小波神经网络(WNN)

Abstract: For the sake of finding a more effective solution to safety risk early warning of taxiway in the airport, WNN was chosen as the main method for realizing the safety risk early warning of taxiway. Seeing that the training process of WNN is easy to fall into local optimum and the training is unstable, BA was used to optimize WNN. A BA-WNN based safety risk early warning method of taxiway in the airport was worked out. An effectiveness comparison was made between BPNN, WNN and GA-WNN and BA-WNN method. The results show that BA-WNN has the highest accuracy rate of 84%, and a low false alarm rate under all working conditions.

Key words: risk early warning, early warning indicators, taxiway, bat algorithm (BA), wavelet neural network (WNN)

中图分类号:

X949

刘俊勇, 高曙, 罗帆, 魏万淇. 基于BA-WNN的滑行道安全风险预警方法[J]. 中国安全科学学报, 2017, 27(8): 132-137.

LIU Junyong, GAO Shu, LUO Fan, WEI Wanqi. Research on BA-WNN based safety risk early warning method of taxiway in airport[J]. China Safety Science Journal, 2017, 27(8): 132-137.

参考文献

[1] 罗帆, 佘廉, 平芸. 民航机场灾害预警管理系统探讨[J]. 武汉理工大学学报:信息与管理工程版, 2002, 24(6): 41-44.
LUO Fan, SHE Lian, PING Yun. On a forewarning management system for civil aviation airport disasters in China[J]. Journal of Wuhan University of Technology:Information & Management Engineering, 2002, 24(6): 41-44.
[2] 霍志勤. 机场热点区域三选法研究[J]. 中国安全科学学报, 2012, 22(3): 92-96.
HUO Zhiqin. Research on hot-spots identification in aerodrome through the triple selection method[J]. China Safety Science Journal, 2012, 22(3): 92-96.
[3] LI Shi, LUO Fan. Research on risk early-warning model in airport flight area based on information entropy attribute reduction and BP neural network[J]. International Journal of Security & Its Applications, 2015, 9(10): 313-322.
[4] 赵贤利, 罗帆. 基于系统动力学的跑道侵入风险演化博弈研究[J]. 工业工程, 2015, 18(2): 73-79.
ZHAO Xianli, LUO Fan. A research on evolutionary game of runway incursion risks based on system dynamics[J]. Industrial Engineering Journal, 2015, 18(2): 73-79.
[5] PAN Dan, LUO Fan. Early-warning simulation of runway incursion safety risks based on system dynamics model[J]. Gummi Fasern Kunststoffe, 2016, 69 (13): 1 510-1 518.
[6] 施志坚, 王华伟. 基于贝叶斯网络的航空器滑行冲突安全评价[J]. 中国民航大学学报, 2015, 33(6): 22-27.
SHI Zhijian, WANG Huawei. Safety evaluation of aircraft taxiing conflict based on Bayesian network[J]. Journal of Civil Aviation University of China, 2015, 33(6): 22-27.
[7] 吴萍. 小波神经网络方法在入侵特征分类技术中的应用研究[J]. 现代计算机, 2011(6): 13-16.
WU Ping. Research on the application of wavelet neural network in the intrusion features classification[J]. Modern Computer, 2011(6): 13-16.
[8] 李君, 陈佳文, 廖伟丽, 等. 基于小波神经网络的轴流泵性能预测[J]. 农业工程学报, 2016, 32(10): 47-53.
LI Jun, CHEN Jiawen, LIAO Weili, et al. Performance prediction of axial pump based on wavelet neural network[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(10): 47-53.
[9] YANG Xinshe. A new metaheuristic Bat-inspired algorithm[J]. Computer Knowledge & Technology, 2010, 284: 65-74.
[10] 于冬梅, 高雷阜, 赵世杰. 给定需求区域应急物资储备库选址模型及其解法[J]. 中国安全科学学报, 2015,25(11): 170-176.
YU Dongmei, GAO Leifu, ZHAO Shijie. A location model with demand regions and algorithm for emergency supplies repository[J]. China Safety Science Journal, 2015, 25(11): 170-176.

[1]	周成, 张相炎, 居里锴. 机械安全风险预警监测要素确定方法[J]. 中国安全科学学报, 2023, 33(2): 132-139.
[2]	何淑波, 项薇, 石钟淼. 基于机器学习的电动汽车电池系统的风险预警[J]. 中国安全科学学报, 2023, 33(2): 159-165.
[3]	张进春, 陈昕, 张文俊, 吴士龙. 基于广义极值分布的流化床压力波动风险预警[J]. 中国安全科学学报, 2022, 32(1): 85-91.
[4]	张洪涛, 李光华, 谢凤祥, 韩名亮. 车联网在水电企业行车安全管理变革中的应用[J]. 中国安全科学学报, 2021, 31(S1): 149-153.
[5]	沈阳, 徐磊, 王少纯. 基于风险管理的整体钢平台变形预警指标研究[J]. 中国安全科学学报, 2021, 31(6): 56-63.
[6]	隆能增, 袁梅, 王关亮, 王清辉, 许石青, 李鑫灵. 煤与瓦斯突出微震-瓦斯互动响应预警研究[J]. 中国安全科学学报, 2021, 31(4): 125-132.
[7]	周成, 居里锴. 面向机械安全风险预警的评估方法[J]. 中国安全科学学报, 2020, 30(8): 86-92.
[8]	徐乾, 杨超, 郭鸿, 郭光玲. 损伤状态下某桩板式挡土墙稳定性预警[J]. 中国安全科学学报, 2020, 30(2): 47-53.
[9]	左自波, 潘曦, 黄玉林, 汪小林, 张龙龙. 超高层ICCP安全监测与控制的预警指标研究[J]. 中国安全科学学报, 2020, 30(1): 53-60.
[10]	江新, 杜海文, 袁轩, 胡文佳, 郑霞忠, 孙正熙. 神经网络范式下硐室群施工安全风险预警研究[J]. 中国安全科学学报, 2018, 28(2): 181-186.
[11]	李新宏, 陈国明, 朱红卫. 海底油气管道腐蚀失效风险预警方法研究[J]. 中国安全科学学报, 2017, 27(7): 163-168.
[12]	徐乾讲师, 杨超. 桩板式挡土墙损伤预警研究[J]. 中国安全科学学报, 2017, 27(11): 169-174.
[13]	辛颖，王岩. 油气集输站场实时风险预警评价体系研究[J]. 中国安全科学学报, 2013, 23(5): 151-.
[14]	邢辉，周尊山，吕安勤，段树林，于洪亮. 基于模糊综合评判方法的沉船风险预警[J]. 中国安全科学学报, 2011, 21(4): 115-.
[15]	肖劲夫，胡群芳，黄宏伟，李长杰. 城市公路隧道预警指标体系调研与分析[J]. 中国安全科学学报, 2009, 19(8): 144-.

基于BA-WNN的滑行道安全风险预警方法

Research on BA-WNN based safety risk early warning method of taxiway in airport

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价