基于核机器学习的民航飞行数据挖掘关键技术研究

民航飞机上快速存取记录器QAR的使用为飞行品质监控和安全管理提供了大量宝贵的原始录数据，但目前对QAR数据的应用主要局限于飞行记录数据的译码分析，超限事件的检测等，基于QAR的数据挖掘也多集中于飞机系统中的局部问题，缺乏在航班运行这个层次上的数据挖掘技术的深入研究。本课题在机器学习和数据挖掘领域新发展起来的统计学习理论、核技术和支持向量机技术的基础上，提出构建飞行数据的无监督支持向量机异常检测模型，并研究解决支持向量机参数优化、效率改进、基于核技术的非线性特征提取和构造序列核函数等几个关键技术问题，并建立实验系统，对算法进行评估。针对航班运行所产生的海量QAR数据的异常检测，可以揭示出包含异常飞行状态的航班，以此发现和识别飞行运行过程中存在的问题和事故征候，为航空公司日常飞行品质评价监控和安全保障提供科学依据。