[發明專利]一種基于隨機森林的航空安全因果預測方法

有效

• 申請號: 202011111711.8
• 申請日: 2020-10-16
• 公開（公告）號: CN112257914B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 任博;崔利杰;劉嘉;王強;史越;胡良謀;李大偉;劉超;苗卓廣;周之;王新河
• 申請（專利權）人: 中國人民解放軍空軍工程大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0635;G06Q10/067;G06Q50/30;G06N7/01;G06F18/2113;G06F18/214;G06F18/2431;G06F18/27
• 代理公司: 西安研創天下知識產權代理事務所(普通合伙) 61239
• 代理人: 楊鳳娟

1.一種基于隨機森林的航空安全因果預測方法，其特征在于，包括以下步驟，

S1：利用航空公司的原始安全數據庫，構建基于Bow-tie模型的航空安全致因變量關聯辨識模型，確定航空安全不安全事件的關鍵致因變量；

S2：根據步驟S1中確定的關鍵致因變量，建立航空安全規模數據采集清單，標簽原始安全數據庫中的不安全事件數據特征；

S3：對步驟S2中不安全事件數據特征，考慮特定安全輸出的特征約簡，實現降維處理，得到航空公司的不安全事件建模數據；

S4：以隨機森林模型結合特征選舉和樣本抽樣法從步驟S3中得到的不安全事件建模數據中得到訓練和測試樣本子集，構建基于隨機森林模型的航空安全態勢預測模型；

S5：結合航空公司的原始安全數據庫，對航空安全態勢預測模型的預測能力進行評價；

S6：根據致因變量對航空安全態勢預測結果的影響分析，對關鍵致因變量對航空安全不安全事件的貢獻進行排序；

步驟S1的具體操作包括，

S11：利用航空公司的原始安全數據庫，確定航空安全不安全事件的致因變量X＝(x₁，x₂，…，x_m)和對應的不同類型航空安全不安全事件Y＝(y₁，y₂，…，y_n)，Y＝G(X)，其中，Y＝(y₁，y₂，…，y_n)表示n種不同類型的航空安全不安全事件，X＝(x₁，x₂，…，x_m)表示導致航空安全不安全事件的致因變量；

S12：將航空安全不安全事件的致因變量、可能后果及相應的控制措施與Bow-tie模型的基本事件BE、中間事件IE、頂事件CE、控制事件SE和后果事件OE一一對應；其中，航空安全不安全事件的致因變量對應Bow-tie模型的基本事件BE，航空安全不安全事件的控制措施對應Bow-tie模型的控制事件SE，航空安全不安全事件的可能后果對應Bow-tie模型的后果事件OE，航空安全不安全事件的可能后果的上一級輕微后果對應Bow-tie模型的中間事件IE；

S13：令每個基本事件發生的概率為p^BE，考慮存在一個分支能夠導致第i個后果事件OE_i發生的可能性，假設第m個分支上k個控制事件發生的概率為則第m個分支的后果事件發生的概率為

式中，當某一分支上環節事件發生時，當環節事件不發生時，

S14：根據步驟S13的結果，將后果事件OE_i的發生概率表示為n個基本事件與m個后果事件發生概率的函數，也即航空安全致因變量關聯辨識模型，

S15：基于步驟S14中建立的航空安全致因變量關聯辨識模型，從致因變量中確定航空安全不安全事件的關鍵致因變量；

步驟S3的具體操作包括，

S31：利用互信息原理定義致因變量X與航空安全不安全事件Y之間的互信息式中，I(x，y)表示致因變量X與航空安全不安全事件Y之間的互信息；f(x，y)是致因變量X與航空安全不安全事件Y聯合概率密度函數，f(x)和f(y)是致因變量X與航空安全不安全事件Y邊緣概率密度函數；

S32：對于任何一組樣本大小為N的多元數據序列(X，Y)，的計算方法為

S33：利用核密度估計結合低偏差確定抽樣方法求解致因變量X與航空安全不安全事件Y之間的互信息；

S34：根據步驟S33中求解得到的互信息，確定致因變量X與航空安全不安全事件Y之間的因果關系強弱，根據致因變量X與航空安全不安全事件Y之間的因果關系強弱得到航空公司的不安全事件建模數據；

步驟S4的具體操作包括，

S41：對所有的不安全事件建模數據進行歸一化處理；

S42：通過有放回地隨機抽樣，從歸一化處理后的不安全事件建模數據中有放回重復抽樣得K個與不安全事件建模數據相等的訓練樣本N，根據訓練樣本構成決策樹；

S43：對每棵決策樹上每個分裂節點隨機抽取所有致因變量中的M_try個變量作為當前節點分裂的特征子集，根據分類回歸樹方法在特征子集中選擇最優分裂方式進行分裂；

S44：計算輸入變量x_j(j＝1，2，3，…，h)在第k棵樹上的重要性

式中，h為輸入的致因變量的個數，N_OOB為袋外數據樣本數，f_k(x_n)為袋外數據第n個樣本值，f_k(x′_n)為隨機置換變量后第k棵樹上袋外數據第n個樣本估測值；I(·)為判別函數，當f_k(x_n)＝f_k(x′_n)時I(·)取值為1，否則為0；

S45：計算輸入變量x_j在整個隨機森林中的重要性得分

S46：將輸入變量x_j多次求得的重要性得分取平均值，得到各致因變量的權重；

S47：對回歸航空安全態勢預測模型參數進行優化。