Дисертація спрямована на вирішення актуального наукового завдання щодо удосконалення методів та моделей автоматизованого прогнозування несприятливих авіаційних подій в польоті на основі методів та моделей глибокого навчання для підвищення якості оцінки ризику для безпеки польотів.Вперше розроблено метод прогнозування несприятливих авіаційних подій в польоті на основі згорткових та рекурентних нейронних мереж у якому, на відміну від відомих, класифікація несприятливих авіаційних подій здійснюється на основі застосування згорткової нейронної мережі, а для початкового налаштування векторного шару гібридної моделі прогнозування використовується попередньо навчений шар рекурентної нейронної мережі.Удосконалено метод формування навчальної вибірки для навчання глибокої гібридної нейронної мережі прогнозування несприятливих авіаційних подій в польоті, що, на відміну від відомих, забезпечує побудову словника текстових повідомлень про несприятливі авіаційні події з використанням міри значущості слів і векторної моделі текстових повідомлень про несприятливі авіаційні події по розміченому набору даних з використанням моделі векторного представлення слів.Одержала подальший розвиток метод автоматизованого прогнозування несприятливих авіаційних подій в польоті, яка, на відміну від відомих, базується на знання-орієнтованому представленні етапів оцінки ризику для безпеки польотів. Це дозволяє забезпечити інтелектуальну обробку даних для підвищення точності та повноти автоматизованої класифікації несприятливих авіаційних подій в польоті.Сукупність вдосконалених методів є науковою сутністю формалізації процесів автоматизованого прогнозування несприятливих авіаційних подій в польоті. Використання отриманих результатів дослідження забезпечить підвищення якості оцінки ризику для безпеки польотів за рахунок впровадження автоматизованого прогнозування несприятливих авіаційних подій в польоті в автоматизовані системи управління повітряним рухом. Результати проведених розрахунків та імітаційного моделювання оцінки ефективності методів та моделей, а також практичне впровадження отриманих результатів підтвердили адекватність запропонованих методів та моделей автоматизованого прогнозування несприятливих авіаційних подій в польоті на основі методів та моделей глибокого навчання.Реалізація розробленого методу прогнозування несприятливих авіаційних подій в польоті на основі згорткових і рекурентних нейронних мереж дозволила автоматизувати процес прогнозування несприятливих авіаційних подій.Реалізація удосконаленого методу формування навчальної вибірки для навчання глибокої гібридної нейронної мережі прогнозування несприятливих авіаційних подій в польоті дозволила використовувати векторну модель навчальної вибірки у якості основи для навчання глибокої гібридної нейронної мережі прогнозування несприятливих авіаційних подій.Реалізація методу автоматизованого прогнозування несприятливих авіаційних подій в польоті в підсистемі оцінки ризику для безпеки польотів дозволила отримати виграш в точності та в повноті класифікації несприятливих авіаційних подій в середньому до 5%.

Постачальник даних: УкрІНТЕІ (Український Інститут науково-технічної експертизи та Інформації)

  Завантажити автореферат