論文の概要: Research on Flight Accidents Prediction based Back Propagation Neural Network
- arxiv url: http://arxiv.org/abs/2406.13954v1
- Date: Thu, 20 Jun 2024 02:51:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 17:36:50.135400
- Title: Research on Flight Accidents Prediction based Back Propagation Neural Network
- Title(参考訳): バックプロパゲーションニューラルネットワークを用いた飛行事故予測に関する研究
- Authors: Haoxing Liu, Fangzhou Shen, Haoshen Qin and, Fanru Gao,
- Abstract要約: 本研究では, バックプロパゲーションニューラルネットワークに基づくモデルを用いて, 飛行事故の予測を行った。
過去の飛行データを収集することにより、事故の危険性を特定するために、バックプロパゲーションニューラルネットワークモデルを訓練した。
実験により、このモデルでは、高精度で信頼性の高い飛行事故を効果的に予測できることが示されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the rapid development of civil aviation and the significant improvement of people's living standards, taking an air plane has become a common and efficient way of travel. However, due to the flight characteris-tics of the aircraft and the sophistication of the fuselage structure, flight de-lays and flight accidents occur from time to time. In addition, the life risk factor brought by aircraft after an accident is also the highest among all means of transportation. In this work, a model based on back-propagation neural network was used to predict flight accidents. By collecting historical flight data, including a variety of factors such as meteorological conditions, aircraft technical condition, and pilot experience, we trained a backpropaga-tion neural network model to identify potential accident risks. In the model design, a multi-layer perceptron structure is used to optimize the network performance by adjusting the number of hidden layer nodes and the learning rate. Experimental analysis shows that the model can effectively predict flight accidents with high accuracy and reliability.
- Abstract(参考訳): 民間航空の急速な発展と人々の生活水準の大幅な改善により、航空機の操縦は一般的で効率的な旅行方法となった。
しかし、機体の飛行特性と胴体構造の高度化により、飛行遅延と飛行事故は時折発生する。
また、事故後の航空機がもたらした生命リスクも交通手段の中で最も高い。
本研究では, バックプロパゲーションニューラルネットワークに基づくモデルを用いて, 飛行事故の予測を行った。
気象条件や航空機の技術的条件,パイロット経験など,さまざまな要因を含む過去の飛行データを収集することにより,事故リスクを識別するためのバックプロパゲーションニューラルネットワークモデルを訓練した。
モデル設計では、隠れた層ノードの数と学習率を調整することにより、ネットワーク性能を最適化するために多層パーセプトロン構造を用いる。
実験により、このモデルでは、高精度で信頼性の高い飛行事故を効果的に予測できることが示されている。
関連論文リスト
- Accident Impact Prediction based on a deep convolutional and recurrent neural network model [0.24999074238880484]
本研究では,事故後の影響を予測するためにカスケードモデルと呼ばれるディープニューラルネットワークモデルを提案する。
ロサンゼルス郡から入手可能な実世界のデータを利用して、事故後の影響を予測する。
その結果、最小限の影響の予測における精度の向上と、より重大な影響の予測におけるリコールの精度の向上が明らかになった。
論文 参考訳(メタデータ) (2024-11-12T04:27:06Z) - Research on Dangerous Flight Weather Prediction based on Machine Learning [4.352963801845065]
危険天候が飛行安全に与える影響は極めて重要である。
航空気象サービスの主な課題は、気象データを効果的に利用して、航空危険気象の早期警報能力を改善する方法である。
この研究では、有害な飛行天候を予測するために、サポートベクターマシン(SVM)モデルを用いている。
論文 参考訳(メタデータ) (2024-06-18T06:08:15Z) - Learning Generative Models for Climbing Aircraft from Radar Data [0.0]
本稿では,標準航空機データ(BADA)モデルがデータから学習した推力の関数的補正によって強化された登山用航空機の生成モデルを提案する。
この手法には3つの特徴がある: BADAと比較すると66.3%の誤差で到着時刻を予測する; テストデータと比較すると現実的な軌道を生成する。
論文 参考訳(メタデータ) (2023-09-26T13:53:53Z) - Inferring Traffic Models in Terminal Airspace from Flight Tracks and
Procedures [52.25258289718559]
本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。
任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
論文 参考訳(メタデータ) (2023-03-17T13:58:06Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳(メタデータ) (2022-08-31T18:19:25Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳(メタデータ) (2022-05-13T21:55:28Z) - An advanced spatio-temporal convolutional recurrent neural network for
storm surge predictions [73.4962254843935]
本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。
本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2022-04-18T23:42:18Z) - Phased Flight Trajectory Prediction with Deep Learning [8.898269198985576]
過去10年間で民間航空会社や民間機が前例のない増加を遂げたことは、航空交通管理の課題となっている。
正確な飛行軌跡予測は、安全かつ秩序ある飛行の決定に寄与する航空輸送管理において非常に重要である。
本研究では,大型旅客・輸送航空機の飛行軌道予測における最先端手法よりも優れた位相付き飛行軌道予測フレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-17T02:16:02Z) - A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。
メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文 参考訳(メタデータ) (2021-02-12T18:17:12Z) - T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。
従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。
本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
論文 参考訳(メタデータ) (2020-10-26T21:14:15Z) - Flight Time Prediction for Fuel Loading Decisions with a Deep Learning
Approach [3.285168337194676]
航空は常に新しい技術を模索し、燃料消費を減らすために飛行を最適化している。
過剰な燃料は、燃料消費の不確実性を扱うために、派遣者や(または)パイロットによってロードされる。
我々は,より優れた飛行時間予測を実現するために,空間重み付きリカレントニューラルネットワークモデルを開発した。
論文 参考訳(メタデータ) (2020-05-12T11:05:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。