طراحي مدلي هوشمند جهت بهينه‌سازي ريسك ايمني پرواز تيك‌آف با استفاده از ‌BIM LSTM

مقاله حاضر، مدل جديدي جهت بهينه‌سازي ريسك ايمني تيك‌آف به عنوان مهم‌ترين و خطرناكترين فرايند پرواز، با استفاده از تركيب الگوريتم BI‌ و شبكه عصبي بازگشتي LSTM ارايه مي‌دهد. هدف، آموزش يك شبكه عصبي موثر با ركوردهاي داده‌ سوانح هوايي گذشته براي پيش‌بيني پارامترهاي ريسك ايمني است. بدين منظور ۱۷ ويژگي ايمني، مانند شرايط آب و هوايي، پيكربندي و آماده‌سازي هواپيما، اطلاعات پرواز و ترافيك هوايي بدست آمد. داده مربوطه از سال ۲۰۱۹ تا ۲۰۲۰ پس از انجام عمليات اكتشاف، خلاصه‌سازي، پاكسازي، نرمال‌سازي به تعداد ۲۸۸۱۳ ركورد داده انتخاب شد. به علت وابستگي داده‌هاي پرواز به ورودي‌هاي ما قبل خود و نياز به نوعي حافظه، آموزش توسط الگوريتم يادگيري عميق (LSTM) در محيط پايتون انجام گرفت. پس از يادگيري، خطاي يادگيري حدود ۶ درصد و ميانگين مربعات خطا حدود۱۱۶/۰ بدست آمد. نشان مي‌دهد، درصد خطا غير قابل توجه و مدل پيشنهادي از اعتبار بالايي برخوردار است. هم‌چنين اين مدل به دليل برخورداري از ابزارهاي پيشرفته از جمله ETL، متاديتا و مانيتوريگ لحظه‌اي مشكل اكتشاف و پاكسازي انبوه داده‌هاي پرواز را حل كرد و توانست مهم‌ترين عامل ريسك ايمني (سرعت V1 ) را با دقت بالا پيش‌بيني‌ كند. اين الگو با راهبردي قابل اعتماد به خدمه پرواز در راستاي كنترل پارامترهاي مهم ريسك ايمني از جمله، سرعت بلند شدن هواپيما از باند، كنترل سرعت ايمن تيك‌آف و مهم‌تر از همه كنترل از دست رفتن پرواز كمك مي‌كند.