在民航業(yè)快速發(fā)展,航班量急速增長的發(fā)展背景下,影響民航發(fā)展的不確定因素增多,民航安全將面臨巨大挑戰(zhàn)。對我國民航不安全事件月度數(shù)據(jù)進行及時準確的預測,可以為制定適合中國民航發(fā)展的安全績效目標提供準確有效的指導,對推動民航安全績效管理具有重要意義。首先運用時間序列的季節(jié)調整、HP濾波法分析我國民航不安全事件數(shù)據(jù)的趨勢性、季節(jié)性、波動性和分布特征,研究我國民航不安全事件的周期波動特征。在此基礎上,運用ARIMA模型與GRNN網(wǎng)絡模型,基于2007-2016年不安全事件月度數(shù)據(jù),構建了我中國民航不安全事件月度數(shù)據(jù)ARIMA-GRNN組合預測模型。利用2017-2018年中國民航不安全事件月度數(shù)據(jù)檢驗了模型的合理性。將所構建模型與單一預測模型以及其他民航安全類組合預測模型的預測精度進行對比,該模型平均預測精度相比于ARIMA模型提高11.72%,相比于GRNN模型提高6.77%,相比于ARIMA+LS-SVM組合模型提高8.49%,相比于ARIMA+LS-SVM+BP組合模型提高5.85%。最后,運用ARIMA-GRNN組合預測模型預測了中國民航2019年1月-2020年12月的不安全事件數(shù)與不... 

【文章來源】：中國民航大學天津市

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

十二五期間民航主要運輸指標民航業(yè)在為人們提供快速便捷的交通方式，推動著社會經(jīng)濟快速向前發(fā)展的同時，

技術路線圖

不安全事件時間序列相關分析結果

【參考文獻】：
期刊論文
[1]基于ARIMA、LS-SVM和BP神經(jīng)網(wǎng)絡組合模型的航空運輸飛行事故征候預測[J]. 梁文娟,李雪艷.  安全與環(huán)境工程. 2018(01)
[2]基于ARIMA與LS-SVM組合模型的飛行事故征候預測[J]. 梁文娟,李雪艷.  安全與環(huán)境學報. 2017(05)
[3]基于灰色馬爾科夫模型的福建轄區(qū)船舶交通事故預測[J]. 虞盈,蘭培真.  中國航海. 2017(03)
[4]基于馬爾可夫和支持向量回歸組合模型的鐵路行車事故預測研究[J]. 鄒亞龍,蔣薈.  鐵道運輸與經(jīng)濟. 2017(09)
[5]基于GMM模型的煤礦頂板事故致死人數(shù)預測[J]. 李闖,袁梅,王玉麗,許石青,楊萌萌.  工業(yè)安全與環(huán)保. 2017(08)
[6]空中危險接近的系統(tǒng)動力學機理及仿真研究[J]. 陳芳,范丹紅.  安全與環(huán)境學報. 2017(04)
[7]基于礦工不安全行為的煤礦安全預測評價模型[J]. 李爽,劉海洋,楊勇.  煤礦安全. 2017(08)
[8]高速公路路側事故起數(shù)預測模型[J]. 馬壯林,張宏璐,張祎祎,王晉.  長安大學學報(自然科學版). 2017(04)
[9]弱化緩沖算子修正的民航不安全事件離散灰色預測[J]. 陳芳,孫亞騰.  安全與環(huán)境學報. 2017(03)
[10]基于組合預測優(yōu)化模型的交通事故預測研究[J]. 宋英華,程靈希,劉丹,呂偉.  中國安全科學學報. 2017(05)

碩士論文
[1]我國煤礦事故特征規(guī)律及組合預測模型研究[D]. 靳運章.西安科技大學 2016
[2]灰色預測在空管運行安全風險預警中的應用研究[D]. 王鶴龍.中國民航大學 2016
[3]民航不安全事件數(shù)據(jù)的預測推理與風險識別[D]. 單晶晶.北京交通大學 2016
[4]我國礦業(yè)系統(tǒng)安全態(tài)勢預測研究[D]. 周琪.武漢科技大學 2013
[5]航空公司不安全事件的預測研究[D]. 呂學梅.中國民航大學 2008



本文編號：2986476