論文の概要: A Hybrid Framework for Explainable Aviation Risk: Causal Chain Extraction from Safety Reports with Physics-Based Failure Quantification and Interventional Analysis

• arxiv url: http://arxiv.org/abs/2610.35658v1
• Date: Mon, 26 Oct 2026 16:03:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.063845
• Title: A Hybrid Framework for Explainable Aviation Risk: Causal Chain Extraction from Safety Reports with Physics-Based Failure Quantification and Interventional Analysis
• Title（参考訳）: 説明可能な航空リスクのためのハイブリッドフレームワーク:物理に基づく故障定量化とインターベンショナル分析による安全レポートからの因果連鎖抽出
• Abstract要約: 本稿では,テキストベースのコーパスが障害モードの要因を識別するハイブリッドフレームワークを提案する。 物理モデルに基づくモデルは、その失敗が記述された動作点にある確率を定量化する。
• 参考スコア（独自算出の注目度）: 15.398110018674139
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Aviation authorities hold decades of accident reports whose narratives record how investigators reconstructed each accident. Computational work on these archives has mostly sorted reports into fixed taxonomies. In this work, we propose a hybrid framework in which a text-based corpus identifies the leading factors of a failure mode. Physics-based models then quantify how likely that failure is at a stated operating point. Ordered causal chains extracted from 56,202 American accident reports with a local large language model aggregate into a causation knowledge graph. On an evaluation sample of 2,000 reports, the chains recover 90.8% of investigator-flagged causes. Each physical factor whose drivers the record carries receives an occurrence model calibrated to the accident population. A leaky noisy-OR fitted to the corpus combines the factors into a failure mode probability that supports intervention. For engine power loss, the carburetor icing model separates 1,205 icing accidents from other accidents using temperature and dewpoint alone, reaching 0.61 in area under the receiver operating characteristic curve against a density ratio ceiling of 0.64. Routine weather hours give no valid control, because flying concentrates in fair weather. On later years the physics adds 0.03 to that area for occurrence and nothing for severity, so its value lies in interpretability. On four named accidents, abduction gives a probability of necessity of 0.29 to 0.50 for the heat omission, under monotonicity. The Fast Causal Inference algorithm does not license the largest backdoor adjustment on the learned networks.
• Abstract（参考訳）: 航空当局は何十年にもわたって事故報告を行い、調査員が事故を再現した経緯を物語っている。 これらのアーカイブの計算作業は、主にレポートを固定された分類体系に分類した。 本研究では,テキストベースのコーパスが障害モードの要因を識別するハイブリッドフレームワークを提案する。 物理モデルに基づくモデルは、その失敗が記述された動作点にある確率を定量化する。 アメリカの56,202件の事故報告から得られた順序付き因果連鎖は、局所的な大言語モデルによって因果知識グラフに集約される。 2000件の評価サンプルでは、この鎖は調査官が引き起こした原因の90.8%を回収している。 ドライバーが記録する物理因子はそれぞれ、事故発生率に応じて調整された発生モデルを受信する。 コーパスに装着された漏れノイズORは、これらの要因を介入を支援する故障モード確率に結合する。 エンジンの動力損失に対して、カーブレターアイシングモデルでは、温度と減点だけで1,205件のアイシング事故を他の事故と分離し、密度比天井の0.64に対してレシーバ動作特性曲線以下の領域で0.61に達する。 定期的な天候は、飛行が公平な天候に集中するため、有効な制御を与えない。 後年、物理学はその領域に0.03を加え、重大さには何ら影響しないので、その価値は解釈可能である。 名前のついた4つの事故では、単調性の下では、放熱は熱除去に必要な0.29から0.50の確率を与える。 Fast Causal Inferenceアルゴリズムは、学習ネットワーク上で最大のバックドア調整をライセンスしていない。

関連論文リスト

• Semantic Causal-Factor Inference from Aviation Incident Narratives Using A Variational Autoencoder with Cosine-Similarity-Based Reconstruction [0.9786690381850356]
  本研究では,自然言語処理と変分オートエンコーダ(VAE)を組み合わせた意味因果推論フレームワークを提案する。 この枠組みは2005年から2020年にかけて20,919件のアメリカ国家運輸安全委員会の調査報告を用いて評価された。
  論文  参考訳（メタデータ） (2026-10-03T12:18:58Z)
• SeaCausal-FL: Federated Fuzzy Causal Learning for Maritime IoT Fault Diagnosis and Counterfactual Reasoning [12.736106981499477]
  本稿では,共通時間的診断経路と機構条件の因果推論を組み合わせたファジィ因果学習フレームワークSeaCausal-FLを提案する。 海洋エンジン断層データセットと実データ校正半合成因果ベンチマークの実験により、SeaCausal-FLは4つのクライアントパーティションで平均87.07%のF1スコアを達成した。
  論文  参考訳（メタデータ） (2026-09-05T20:56:08Z)
• Generalized Bayes for Causal Inference [47.66564705927885]
  不確かさの定量化は、因果機械学習の多くの応用の中心である。 標準的なベイズ的アプローチでは、データ生成プロセスの確率モデルを指定する必要がある。 因果推論のための一般化されたベイズ的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-03-03T14:27:23Z)
• Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
  我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。 さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。 実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
  論文  参考訳（メタデータ） (2024-06-16T03:10:16Z)
• Inferring Heterogeneous Treatment Effects of Crashes on Highway Traffic: A Doubly Robust Causal Machine Learning Approach [15.717402981513812]
  本稿では,高速道路における各種事故の因果的影響を推定する新しい因果的機械学習フレームワークを提案する。 ワシントン州のハイウェイ州間高速道路5号線で発生した4815件の事故実験の結果、様々な距離と時間における事故の不均一な処理効果が明らかになった。
  論文  参考訳（メタデータ） (2024-01-01T15:03:14Z)
• Predicting Accident Severity: An Analysis Of Factors Affecting Accident Severity Using Random Forest Model [0.0]
  本研究では,事故の重大性を予測するためのランダムフォレスト機械学習アルゴリズムの有効性について検討した。 モデルは大都市圏の事故記録のデータセットに基づいて訓練され,様々な指標を用いて評価される。 その結果,ランダムフォレストモデルは事故の重大度を80%以上の精度で予測する有効なツールであることがわかった。
  論文  参考訳（メタデータ） (2023-10-09T16:33:44Z)
• Predicting Survival Time of Ball Bearings in the Presence of Censoring [44.99833362998488]
  本研究では,ボール軸受の故障時期を生存解析を用いて予測する新しい手法を提案する。 我々は、周波数領域におけるベアリングデータを解析し、Kullback-Leiblerの発散と標準偏差を比較することで、ベアリングが故障した場合にアノテートする。 我々は、注釈付きデータに基づいて失敗する時間を推定するために、いくつかの生存モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T08:30:31Z)
• Cognitive Accident Prediction in Driving Scenes: A Multimodality Benchmark [77.54411007883962]
  本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。 CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。 我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-12-19T11:43:02Z)
• Crash Report Data Analysis for Creating Scenario-Wise, Spatio-Temporal Attention Guidance to Support Computer Vision-based Perception of Fatal Crash Risks [8.34084323253809]
  本稿では,致命的な事故報告データからシナリオ的,時空間的注意誘導というデータ分析モデルを開発した。 検出されたオブジェクトの環境からの致命的なクラッシュとコンテキスト情報との関係を推定する。 本研究は, 予備CVモデルの設計と実装において, 改良された注意指導がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2021-09-06T19:43:37Z)
• 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)

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。