مقاله منصور یحیوی: طراحی مدلی هوشمند جهت پیش بینی ریسک ایمنی پرواز-فاز اپروچ با

مقاله منصور یحیوی: طراحی مدلی هوشمند جهت پیش‌بینی ریسک ایمنی پرواز-فاز اپروچ با استفاده از الگوریتم

Fri 21 Feb 2025 | 11 PM | Dr.Mansour yahyavi -

طراحی مدلی هوشمند جهت پیش‌بینی ریسک ایمنی پرواز-فاز اپروچ با استفاده از الگوریتم ‌BI. M-LSTM‎

نویسندگان

• دکتر منصور یحیوی 1 پروفسور عباس طلوعی اشلقی 2 پروفسور محمدعلی افشار کاظمی 3 پروفسور رضا رادفر 4

10.22034/tri.2025.466427.3263

چکیده

چکیده

مقاله حاضر، مدلی نوآورانه (BI.M-LSTM) ترکیبی از الگوریتم (BI)‌ و شبکه عصبی بازگشتی (LSTM) جهت پیش‌بینی ریسک ایمنی پرواز فاز اپروچ ارایه می‌دهد. فاز اپروچ با سهم 3 درصد از فرایند کل پرواز به عنوان خطرناک‌ترین مرحله هر پرواز است. روش پیشنهادی شامل آموزش شبکه‌های عصبی نظارت شده برای برآورد پارامترهای هدف است. بدین منظور از دیتاست استاندارد مربوط به سال ۲۰۱۹ تا ۲۰۲۰ پس از خلاصه‌سازی، پاکسازی، نرمال‌سازی تعداد ۲۸۸۱۳ رکورد مربوط به پارامترهای ریسک ایمنی، مانند شرایط آب و هوایی، پیکربندی هواپیما، داده‌ها پرواز، سرعت، ارتفاع و ترافیک هوایی انتخاب شد. به علت وابستگی داده‌های پرواز به ورودی‌های ما قبل خود و نیاز به نوعی حافظه، آموزش توسط الگوریتم (LSTM) در محیط پایتون انجام گرفت. پس از یادگیری، میانگین خطای مجذور انحرافات حدود 38/6درصد بدست آمد. خروجی نشان داد، درصد خطا قابل اغماض و مدل پیشنهادی نسبت به مدل‌های مشابه از اعتبار بالایی برخوردار است. این مدل به دلیل برخورداری از ابزارهای پیشرفته از جمله ETL، متادیتا و مانیتوریگ لحظه‌ای مشکل اکتشاف و پاکسازی انبوه داده‌های پرواز را حل کرد و توانست مهم‌ترین عامل ریسک ایمنی فاز اپروچ یعنی کنترل سرعت و ارتفاع لندینگ را با دقت بالا پیش‌بینی‌ کند. این الگو با راهبردی قابل اعتماد به خدمه پرواز در راستای کنترل پارامترهای مهم ریسک ایمنی از جمله، از دست رفتن کنترل پرواز ، سرعت هواپیما، موقعیت تاچ داون و کنترل جلوگیری از خروج هواپیما از باند کمک می‌کند.

کلیدواژه‌ها

• ریسک ایمنی پرواز حمل و نقل هوایی مدل BI.M-LSTM