基于QAR数据半参数分析的风险预测评价方法研究

The study aims to develop the risk prediction and evaluation methods with Quick Access Recorder (QAR) data semi-parametric analysis. The study will make the data pre-processing to solve the problem high dimensionality data, pilot frequency data, abnormal data and the missing data. Then we will build the multivariate time series analysis model and panel data causality test model to study the relationship between the different QAR variables. The study will develop three semi-parametric regression models to predict the risk issue. With the result of the semi-parametric regression model, we plan to suggest a comprehensive model to evaluate the risk issues. We will use the QAR data to inspect the theory study result and improve the method. The possible research results may improve the traditional QAR analysis method, and this method can provide accuracy and real-time performance. On the other hand the proposed model may be applied to some relevant field, such as, vessel power analysis and design, vehicles control system analysis and so on. .　This research aims to solve the following questions, First, how to build a panel data causality test model to test the real relationship between the different risk issues; second, how to build semi-parametric analysis model and test its biased estimate; final, how to evaluate the risk issues and modify the systemic effects error with predict result.

课题目的是发展基于QAR数据半参数分析的风险预测与评价方法。研究先对QAR数据预处理来解决高维、异频、异常、缺失等问题。再进行多元分析，探讨QAR数据在时间维度上的变化特征和相关关系，进而研究不同变量间的交互作用。再发展半参数分析模型，构造并比较模型有偏估计和无偏估计，对风险发生规律进行预测，并基于风险预测的结果，发展综合评价方法，用于对风险因素进行综合评价。除了理论基础研究，课题还计划结合无人机着陆载荷风险预测问题进行实证研究，探讨提高预测模型的相应速度、精度和准确性、改进风险评价方法的路径。研究成果一方面可以改进传统飞参数据分析方法，增强实时性，另一方面课题发展的模型也可广泛应用于船舶动力系统、车辆控制系统等其他相关领域研究中。. 研究旨在分析：第一，如何基于QAR数据建立有效面板数据因果检验模型，检验风险因素的相互作用关系；第二，如何建立半参数分析模型，构造并检验其有偏估计，用于预测潜在风险的发生规律；第三，如何利用预测结果，结合主、客观评价属性，科学评价风险。

本研究针对QAR数据分析和风险预测问题，研究形成了QAR面板数据分析模型、基于半参数分析的风险预测模型，以及拓展的基于Health Care数据分析的健康风险分析预测模型。.课题从QAR数据预处理方法入手，选择法向加速度、地速、待飞距离等三个关键变量进行了分析。而后建立飞参变量的线性回归模型，利用马尔科夫进行精度校正和模型检验，利用copula函数对飞参变量进行非线性相关分析，得出滚转角和真航向这两个变量之间存在着非线性相。考虑飞参变量的不确定性，引入vague sets进行预测，结果显示预测模型是有效的。再利用BP神经网络进行关键变量预测，结果验证了神经网络模型在飞参预测领域的适用性。.研究发展了一种基于隐马尔科夫的预测模型，使用半参数方法对预测模型进行能力优化，引入了状态转移频率分布矩阵和平均混淆矩阵的概念，给出一种基于半参数模型的优化方法，并结合无人机卫星导航失灵这一典型安全风险进行了实证研究。通过理论分析和实证检验，结果表明风险因素的交互影响在更大程度上不是依赖于时间变量，而是与空间位置相关。该发现对于风险预测模型的研究方向提供了重要依据。.本项目还进行了一些设施布局、医疗数据分析等方面的拓展研究，发表了SCI论文。.在项目获批后，总共发表相关论文46篇（均标注基金资助信息，其中SCI论文20篇，EI/ISTP论文25篇，中文核心1篇），出版学术专著2本。授权发明专利6项，受理2项。出站博士后1名，毕业博士生1名，硕士生4名。通过项目实施，与国内外相关学者建立了系统深入的合作关系。.本项目批准总经费17.4万元，申请结题时，已执行11.73万元，实际结余5.66万元。剩余经费将在后续研究中陆续执行使用。经财务审查，各项开支合法、合规。