基于CNN-LSTM混合模型的民航非计划事件分析方法
王捷1
周迪1
左洪福1
陆扬2
1.南京航空航天大学民航学院 南京 2111062.东南大学电气工程学院 南京 210018
摘要：安全是民航业的核心主题,非计划事件是辨识安全隐患、改善航空安全的重要信息来源.非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下.为提高非计划事件的分析效率和精度,论文提出了一种基于CNN-LSTM的混合深度神经网络模型,用于民航非计划事件的自动化分析.并与SVM、CNN、LSTM等模型进行比较,在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断.实验结果表明,所提出的CNN-LSTM混合模型具有最高的分类准确率,对于不平衡数据样本,具有最稳定的分类性能.
关键词：深度学习民航安全文本分析卷积神经网络长短时记忆神经网络
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(U1933202)民航大NSF重点基金项目(U1733201)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1714-1720 )
英文信息