基于CNN-LSTM混合模型的民航非计划事件分析方法
日期:2024.12.17 点击数:6
【类型】期刊
【刊名】计算机与数字工程
【关键词】 长短时记忆神经网络,卷积神经网络,深度学习,民航安全,文本分析
【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。
【年份】2024
【作者单位】南京航空航天大学民航学院;东南大学电气工程学院;
【期号】06
【页码】1714-1720
相关文章
- 1、结合Word2vec和BiLSTM的民航非计划事件分析方法 作者:王捷,,周迪,,左洪福,,黄维 年份:2024
- 2、航空安全自愿报告信息的抽取式自动文摘应用 作者:刘俊杰,董立映, 年份:2022
- 3、航空安全自愿报告信息的抽取式自动文摘应用 作者:刘俊杰,董立映, 年份:2022
- 4、基于卷积神经网络的遥感图像飞机目标识别 作者:晁安娜,刘坤, 年份:2018
- 5、航空轮胎有限元分析 作者:刘坤,苏彤,王典, 年份:2018
- 6、卷积神经网络及其在航空视觉任务中的应用展望 作者:漆昇翔,裘旭益,张伟, 年份:2019