<nobr id="ldnzt"><dfn id="ldnzt"><listing id="ldnzt"></listing></dfn></nobr>

      <b id="ldnzt"></b>
        <menuitem id="ldnzt"><font id="ldnzt"></font></menuitem>

        <track id="ldnzt"><listing id="ldnzt"></listing></track>

        <video id="ldnzt"><big id="ldnzt"></big></video>

        <span id="ldnzt"></span>

        <span id="ldnzt"><progress id="ldnzt"><form id="ldnzt"></form></progress></span>

                  <nobr id="ldnzt"><address id="ldnzt"><menuitem id="ldnzt"></menuitem></address></nobr>

                              <sub id="ldnzt"><dfn id="ldnzt"></dfn></sub>
                                <em id="ldnzt"><big id="ldnzt"><listing id="ldnzt"></listing></big></em>

                                <form id="ldnzt"><big id="ldnzt"><listing id="ldnzt"></listing></big></form>

                                行業觀點 / Solution Information

                                航空公司安全分析常用數據挖掘算法

                                2020-04-22

                                運行和保障單位在SMS系統中通過設計合理的TEM進行不安全事件的分析的同時,在安全數據庫中就會形成海量安全信息及TEM分析數。其中核心的數據包括事件獲取數據、TEM分析數據和行動項數據,具體信息項通常如下所示:


                                圖表 1 相關信息獲取數據


                                圖表 2 相關TEM分析數據


                                圖表 3 相關行動項數據

                                TEM分析數據中包含了已經發生的不安全事件誘因分析結果,可以通過數據挖掘算法得到以下兩項安全管理部門非常關注的信息。

                                第一項:核心誘因,即誘因對事件的貢獻度

                                根據TEM管理框架進行不安全事件分析,已經識別出不同系統運行人員事發時面臨的威脅和差錯,通過周期內不安全事件數量的統計分析,可以得出以下數據(示例):


                                圖表 4 威脅與不安全事件月度數量統計

                                采用多元線性回歸算法,可以計算出具體威脅分類與不安全事件的關聯,借助EXCEL提供的多元線性回歸數據分析模型,可得到人、設備、環境、軟件、組織對不安全事件的貢獻度。

                              1. 不安全事件 = -0.57人 + -0.42設備 + 0.47環境 + 0.18軟件 + 0.21組織


                                圖表 5 EXCEL回歸數據分析


                                圖表 6 回歸結果

                                第二項:風險預測,即誘因導致事件發生的概率

                                通過周期內不安全事件數量的統計分析,可以得出以下數據(示例):


                                圖表 7 基于TEM數據統計的風險數據

                                通過貝葉斯算法可以得出飛錯高度的預測風險,輔助提供安全管理決策。貝葉斯公式相當簡潔,公式中有幾個關鍵概念:


                              2. P(A)為先驗概率,即在觀察事件B之前得到的事件A的假設概率
                              3. P(A|B)為后驗概率,即在觀察事件B后得到新數據后計算該假設A的概率
                              4. P(B|A)為似然度,即在該假設A下得到這一觀察數據 B 的概率
                              5. P(B)為標準化常量,即在任何假設下得到這一觀察數據 B 的概率

                                根據貝葉斯公式,對以上統計數據進行計算,可以得出飛錯高度的預測風險為3.29 。


                                圖表 8 貝葉斯風險預測計算過程


                                圖表 9 貝葉斯風險預測計算結果

                                綜上,數學模型是安全風險狀態監控的核心組成部分,通過多元線性回歸和貝葉斯算法,可以充分對安全信息進行挖掘分析,輔助安全工作重點的決策。

                                <全文完>

                              6. 返 回

                                    <nobr id="ldnzt"><dfn id="ldnzt"><listing id="ldnzt"></listing></dfn></nobr>

                                    <b id="ldnzt"></b>
                                      <menuitem id="ldnzt"><font id="ldnzt"></font></menuitem>

                                      <track id="ldnzt"><listing id="ldnzt"></listing></track>

                                      <video id="ldnzt"><big id="ldnzt"></big></video>

                                      <span id="ldnzt"></span>

                                      <span id="ldnzt"><progress id="ldnzt"><form id="ldnzt"></form></progress></span>

                                                <nobr id="ldnzt"><address id="ldnzt"><menuitem id="ldnzt"></menuitem></address></nobr>

                                                            <sub id="ldnzt"><dfn id="ldnzt"></dfn></sub>
                                                              <em id="ldnzt"><big id="ldnzt"><listing id="ldnzt"></listing></big></em>

                                                              <form id="ldnzt"><big id="ldnzt"><listing id="ldnzt"></listing></big></form>

                                                              俄罗斯末成年videos_日本激情在线看免费观看_成年无码av动漫全部免费_亚洲大成色WWW永久网站