基于QAR数据的民机高高原进近着陆风险评估方法

作者：陈农田; 满永政; 李俊辉

来源：北京航空航天大学学报, 2022, 1-12.

DOI：10.13700/j.bh.1001-5965.2022.0186

• 高高原飞行
• QAR数据
• 熵权
• 可变模糊识别
• LSTM-DNN深度学习
• 风险评估

民机高高原进近着陆是高原飞行高风险阶段，为有效实施高高原进近着陆风险识别和等级判据，提出了基于熵权可变模糊识别的LSTM-DNN深度学习风险评估方法。该方法首先基于快速存取记录器（QAR）记录的高高原飞行数据，借鉴民机飞行品质监控项目规范（FOQA）咨询通告和行业QAR 监控标准，结合指标重要度分析与Delphi专家调查，提取了着陆时航向变化大、航迹低、2000—1000 ft进近时下降率大、接地垂直加速度以及500—50ft进近时下降率大5个关键监控项目作为民机高高原进近着陆风险评估指标。然后为克服评估指标权重主观性偏差，应用熵权法确定评价指标权重，基于可变模糊识别方法构建风险等级隶属函数，最后建立基于LSTM-DNN的民机高高原进近着陆风险评估模型。以成都—拉萨进近着陆航段为例，提取QAR数据对该风险评估模型进行训练与测试，并与Logistic多元回归、支持向量机（SVM）等评估方法结果比较。结果表明，基于熵权可变模糊识别的LSTM-DNN深度学习模型平均识别率达到94.18%，最高可达94.79%，验证了该风险评估方法客观有效性。

• 单位
  中国民用航空飞行学院