飞航安全裕度风险评估方法与专家系统及其建立方法

专利名称：飞航安全裕度风险评估方法与专家系统及其建立方法
技术领域：
本发明有关一种使用飞航安全裕度理论的飞航操作风险评估方法、风险评估专家
系统及其建立方法，且特别是有关用以评估飞航操作的安全性的飞航安全裕度风险评估方 法、风险评估专家系统及其建立方法。
背景技术：
目前国际民航界，常需大量地使用飞航操作品质保证系统(Flight OperationalQuality Assurance ;F0QA)来记录飞机飞行时的各项数据，再透过设定一些飞 行限制范围，以确保飞航操作的品质。在风险评估上，则系依据主观、且非量化的风险矩阵， 来协助飞安管理。 现有飞安风险评估的做法，是以风险矩阵为主。横轴表示事件发生的或然率，其可 区分为非常频繁、常常、偶尔、很少、不太可能等五级。纵轴表示事件的严重性，其可区分 为毁灭性、严重、重大、轻微、可忽略等五级。再针对每一事件，综合其或然率及其严重性， 进行相对主观的评估。 然而，上述飞安风险评估的方法具有一些缺点。第一个缺点系过于主观，一个事件
的严重性，常常是见仁见智，因人而异的，因而无法明确客观地评估事件的严重性。第二个
缺点系不科学，由于主观的认定，常常会因时、因地而异，因而判断标准随时都在变动。第三
个缺点系最关键的，以现有作法而言，事件的或然率及其严重性只区分等级，而无法进行数
值量化，导致造成现有作法完全无法针对飞航安全性的变动，来提供有用的讯息。 此外，目前有关飞航安全问题的探讨，大都系以管理观点出发，例如从序列式因果
观点来看，将飞安事故的发生过程利用骨牌理论来说明，其中每一事件的发生有如骨牌一
般，引发下一阶段事件的发生。因此，当飞行过程中的某环节出现错误，即环环相扣成炼而
造成事故。然而，上述管理理论无法进一步对事故风险的评估，进行量化，因而无法建立出
具备有分析计算能力的工具。 再者，若从序列式因果观点出发，自然地也会以序列式观点，来看飞航风险，因而 得出序列式的风险评估方式，即按照飞航程序中，某一环节疏失，所可能造成危害的严重 性，或某个参数超限的严重性，来评估飞航的风险。然而，现代的民航机，系一种大型的复杂 系统，单纯的疏失，可能引发无法预料的复杂连锁反应，在同一瞬间，不同事件同时地在进 行。例如，当飞机的外形结构遭到破坏，其可能同时造成操控系统损害、漏油或电力系统损 害。如此高度复杂以及紧密耦合的特性，使得序列式的飞安观点，常常不足以完整地呈现飞 航复杂状况的风险。

发明内容
因此，本发明的一目的在于提供一种使用飞航安全裕度理论的飞航操作风险评估 方法、风险评估专家系统及其建立方法，藉以科学化地评估飞航的安全性，并提供量化评估 飞航操作安全性的科学化工具。
本发明的另一目的在于提供一种使用飞航安全裕度理论的飞航操作风险评估方
法、风险评估专家系统及其建立方法，藉以根据事件的整体情境或过程，来评估飞航风险， 而非单单仅根据某些个别的参数。 本发明的又一目的在于提供一种使用飞航安全裕度理论的飞航操作风险评估方 法、风险评估专家系统及其建立方法，藉以呈现飞航过程中安全性的连续变化，因而可清楚 地分析飞安事件的任一瞬间的安全性和异常因素。 根据本发明的风险评估方法是用以评估一飞航安全性，其中风险评估方法至少包 含建立多个训练样本，其中建立每一此些训练样本的步骤至少包含由专家根据多个预 设情境参数，来评估在飞航过程中，避免发生一预设事件情境，所需的综合能力，并进行评 分；计算所述专家所评分的分数，以取得一综合能力值；以及根据综合能力值，来计算得到 一预设的安全裕度，藉以根据此些预设情境参数，与预设安全裕度之间的相对关系，来建立 每一此些训练样本；利用此些训练样本，来训练一类神经网络；以及在训练类神经网络后， 建立飞航情境与安全裕度的一般因果关系，再输入多个情境参数于类神经网络，并利用类 神经网络，来推算出任一所予情境的安全裕度，藉以根据安全裕度来评估飞航安全性。
又，根据本发明的飞航安全裕度风险评估专家系统，是用以评估飞航安全性，其中 风险评估专家系统，至少包含有使用者界面、数据库及推论单元。使用者界面，系用以输入 多个情境参数，并显示风险评估专家系统的运算结果。数据库具有多个训练样本，其中专 家根据多个预设情境参数，来评估在飞航过程中，避免发生一预设事件情境，所需的综合能 力，并进行评分，而根据此些专家所评分的分数，来取得一综合能力值，此综合能力值系用 以推算一预设的安全裕度(Safety Margin)，每一训练样本，是根据预设情境参数，与预设 安全裕度之间的相对关系来建立。推论单元设有一类神经网络，其中类神经网络系利用此 些训练样本，来进行训练。其中，当输入此些情境参数于类神经网络时，类神经网络推算出 一安全裕度，藉以根据安全裕度来评估飞航安全性。 又，根据本发明的飞航安全裕度风险评估专家系统的建立方法，至少包含建立多 个训练样本，其中建立每一此些训练样本的步骤，至少包含由专家根据多个预设情境参 数，来评估在飞航过程中，避免发生一预设事件情境，所需的综合能力，并进行评分；计算所 述专家所评分的分数，以取得一综合能力值；以及根据综合能力值，来计算得到一预设安全 裕度(Safety Margin)，藉以根据此些预设情境参数，与预设安全裕度之间的相对关系，来 建立每一此些训练样本；提供一数据库，并储存所述训练样本于该数据库中；提供一推论 单元，其中推论单元设有一类神经网络；利用此些训练样本，来训练类神经网络；以及提供 一使用者界面，用以输入多个情境参数，于类神经网络中，并显示类神经网络所推算的一安 全裕度。 因此，本发明的飞航安全裕度风险评估方法、风险评估专家系统及其建立方法，可 通过科学化、客观及数据化的方式，来呈现飞航安全状况的连续变化，因而可清楚地分析飞 安事件的任一瞬间的安全性和异常因素，且可提升飞安风险评估的可靠性、正确性及全面 性。


为让本发明的上述和其它目的、特征、优点能更明显易懂，以下将配合附图对本发明的较佳实施例进行详细说明，其中 图1绘示依照本发明的实施例的风险评估专家系统的系统方块图。 图2绘示依照本发明的实施例的风险评估方法的方法流程图。 图3绘示依照本发明的实施例的安全裕度概念图。 图4绘示依照本发明的实施例的综合能力问巻的示意图。 图5绘示依照本发明的实施例的类神经网络与安全裕度的关系图。 图6绘示依照本发明的实施例的正常航班与大雾航班的飞航安全裕度变化图。 图7绘示依照本发明的实施例的正常航班与名古屋空难的飞航安全裕度变化图。 图8绘示依照本发明的实施例的正常航班与大园空难的飞航安全裕度变化图。 图9绘示依照本发明的实施例的风险评估专家系统的建立方法流程图。
具体实施例方式
为让本发明的上述和其它目的、特征、优点能更明显易懂，本说明书将特举出一系 列实施例来加以说明。但值得注意的是，这些实施例只是用以说明本发明的实施方式，而非 用以限定本发明。 请参照图1，其绘示依照本发明的实施例的风险评估专家系统的系统方块图。本实 施例的飞航安全裕度风险评估方法与风险评估专家系统100系用以评估飞航安全性，并可 做为协助业界在飞航安全管理、风险评估或趋势预测的评估方法和工具。本实施例的风险 评估专家系统100可包含使用者界面110、数据库120、推论单元130、发展者界面140及系 统界面150。使用者界面IIO例如为键盘和显示装置的组合，用以输入多个情境参数于专 家系统100中，并可显示此专家系统100的运算结果。数据库120例如为计算机装置或记 忆装置(例如硬盘或内存)，用以储存多个训练样本(Training Pattern)，其中训练样本是 由专家来协助建立。推论单元130较佳为计算机装置，其连接于使用者界面IIO和数据库 120，其中推论单元130设有一类神经网络131，(例如类神经网络软件)，类神经网络131可 通过训练样本来进行训练，藉以数据化地推论飞航操作的安全性。发展者界面140系连接 于数据库120和推论单元130，用以输入训练样本于数据库120中，并可对数据库120或推 论单元130进行编缉与修订。系统界面150连接于推论单元130与一外部系统或设备(未 绘示)之间，藉以整合本实施例的风险评估专家系统100与其它系统或设备，例如系统界面 150可连接于飞行装置(例如飞机或直升机)，而可作为一实时警示系统，以实时警示当时 的飞航安全性，因而可具有飞安风险的实时监控能力，提供驾驶员多一套操作安全参考的 工具。同时，本实施例的风险评估专家系统IOO，亦可单独用以做为管理决策辅助工具。
值得注意的是，在一实施例中，使用者界面110、发展者界面140及系统界面150可 以共享于一相同的界面装置。 请参照图2，其绘示依照本发明的实施例的风险评估方法的方法流程图。本实施例 的飞航安全裕度风险评估方法可包含有建立多个训练样本(步骤IOI);利用训练样本，来 训练类神经网络131 (步骤102);以及在训练类神经网络131后，输入多个情境参数于类神 经网络131，并利用此类神经网络131来推算出一安全裕度(Safety Margin)(步骤103)， 藉以根据此安全裕度，来评估飞航的操作安全性。值得注意的是，以下实施例的叙述是以飞 机的飞航安全评估来举例说明，然而不限于此，本实施例的风险评估方法与风险评估专家系统100亦可应用于其它飞行交通工具，例如直升机。 请参照图3，其绘示依照本发明的实施例的安全裕度概念图。本发明风险评估方法 与风险评估专家系统系利用飞航安全裕度(Flight Safety Margin)理论来进行评估，以下 进一步对飞航安全裕度加以说明。首先，可定义一情境空间，其代表所有会对飞航安全造成 影响的因素所成的集合。此情境空间中的任一点代表影响飞航安全的因素的某种组合。因 此，任何一趟飞行，均可用情境空间中的一条连续曲线来代表。通常，在任何一个飞行任务 中，皆具有一标准的理想情境(以中心线201来表示)，此理想情境会随不同的飞行阶段而 有不同，且会随时间连续变动。此外，在情境空间中，当所有影响飞安的因素形成某种特定 组合时，某种飞航事件即可能发生，而此事件情境(或事件情形)也会随不同飞行阶段而有 所不同，在本实施例中，此事件情境系以事件边界202来代表。 在理想条件下，飞行过程应沿着中心线201进行，然而，实际条件与理想条件之 间，必然存在有落差。因此，实际飞行的情境，必然是沿着中心线201附近进行。在本实施 例中，任何欲探讨飞行操作安全性的一瞬间(时间点)，可通过当下情境203来表示。因此， 在此情境空间中，任一当下情境203与事件边界202之间的距离，即可表示为当下情境距离 事件的安全裕度。其中飞航安全裕度，可代表飞航组员操作飞机的安全空间。在理想条件 下，飞行过程的当下情境203系沿中心线201进行，直到完成飞航任务。然而，实际上若发 生例如人为疏失、机械故障或天候因素等影响，飞行过程的当下情境203将离中心线201更 远。因此，安全裕度的变动可呈现人为疏失或其它各种因素所造成的风险，因而可用以评估 飞行过程中的操作安全性。其中事件边界202可以系预设为表示任意的事件情境，例如飞 机坠毁、异常事件、稳定进场、安全落地、冲出跑道等。 本实施例的训练样本是用以训练类神经网络131，藉以使类神经网络131学习任 一当下情境203(例如飞行情境)与其安全裕度的因果关系。训练样本系由多位专家(例 如专业驾驶)来协助建立，藉以吸取专家的知识与经验，并透过专家对飞航安全的认知，来 建立风险评估专家系统IOO。当建立训练样本时，首先，由专家根据多个预设情境参数，来评 估当操作交通工具时，避免发生一预设事件情境(亦即事件边界202)所需的综合能力，并 进行评分。接着，计算这些专家所评分的分数，以取得一综合能力值。评分的方式及标准， 随着所欲探讨安全性的事件而异，且系透过与专家的深度访谈来确定，经取得所需的综合 能力值之后，经过倒数，即可得安全裕度值。 以飞航安全为例，由当下情境203飞回标准正常情境，所需的综合飞行能力的大 小，可用以代表飞行事件的严重性，亦即为飞航安全裕度的大小。若当下情境203至中心线 201的距离越远，离事件边界202的距离即越近，则表示情况越严重，飞航组员也需越高超 的能力由当下情境203飞回正常情境。因此，可对多位资深飞行员(专家)进行访谈，提供 专家在当下情境203时的预设情境参数，透过生理(例如临场反应与飞行技能)和心理(例 如经验与知识)等因素，以定义综合飞行能力，并由专家进行评分，藉以由专家来提供一客 观且量化的分数。接着，收集和计算(例如平均)这些专家所评分的分数，因而可取得一综 合能力值。其中，这些预设情境参数，包含软件参数(例如飞行程序、标准或规定等)、硬
件参数(例如飞机的高度、速度或攻角)及环境参数(例如气象、机场条件或机场管制)
等情境参数。 请参照图4，其绘示依照本发明的实施例的综合能力问巻的示意图。举例来说，在本实施例中，每一训练样本，可采用特定航班为范例，在其飞行过程中，选取多个 瞬间(时间点)，并设定一预设事故情形，例如本实施例为飞机坠毁事故。接着，可参 考FOQA (Flight Operation Quality Assurance)系统与国际飞安基金会所建议的 AUVR(Approach_and_Landing Accident Reduction)中，提供的飞行员须注意的项目，来 制造综合飞行能力问巻，其中此综合飞行能力问巻是预先区分综合飞行能力的等级(例如 高、中、低)。接着，访谈资深飞行员(专家)，并提供飞行员在特定航班中的某一瞬间的多 个情境参数(预设情境参数)。接着，由飞行员根据在此瞬间的情境参数，来评估出在飞行 时避免发生预设事故情形(飞机坠毁)所需的综合能力，并对综合飞行能力问巻进行回答， 以进行评分，飞行员的评估，可依据综合能力的所需程度或等级来进行评分，藉以定义和量 化综合能力。接着，在收集和计算多位专家的综合飞行能力问巻后，依专家意见进行计算， 以取得综合能力值(P)。 然后，根据综合能力值(P)，来计算得到一预设安全裕度。在本实施例中，预设安全 裕度(SM)可由下列公式来计算得到
SM = 1/P 值得注意的是，本实施例的预设安全裕度的计算方式仅为一示范例，然而不限于 此，由于安全裕度是用以表示操作交通工具，相对于某一事件所拥有的安全空间，其可为一 相对值或一标准化数值，用以对不同的事件(例如正常落地与飞安事故)进行比较和评估。 因此，亦可利用其它计算方式，来计算综合能力值(P)，以求得预设安全裕度(SM)。
因此，在某一瞬间(时间点)的预设情境参数与其对应的预设安全裕度之间的相 对关系，即建立为一训练样本，亦即每一训练样本具有一组输入输出值，训练样本的输入为 预设情境参数，而训练样本的输出为预设安全裕度。接着，重复上述步骤，来建立多个训练 样本(例如数百个)，藉以提升类神经网络131的学习能力。 在建立训练样本后，接着，利用训练样本，来训练类神经网络131，藉以使类神经 网络131学习预设情境参数与其对应的预设安全裕度之间的相对关系，因而学习完成后的 类神经网络131，可对任意的情境参数进行分析，并推论得到其对应的安全裕度。其中此 类神经网络131，可例如为多层次网络(Multilayer Network)、霍普菲尔网络(Hopfield Network)、或径基函数网络(Radial Basis Function Network)、或支持向量网络(Support Vector Machines)、或委员会网络(Committee Machines)。 请参照图5，其绘示依照本发明的实施例的类神经网络与安全裕度的关系图。在训 练推论单元130的类神经网络131 (类神经网络131学习完成)后，类神经网络131可用以 对任意的情境参数进行分析。当评估飞航安全性时，可通过使用者界面iio，输入某一瞬间 的相关情境参数于类神经网络131，类神经网络131即可根据这些情境参数，推算出其对应 的安全裕度，藉以评估飞航安全性和风险。在飞航过程中，不同的瞬间(或时间点)上可能 因人为疏失而有不同的情境变化，亦即产生多个情境参数(情境参数1、2…N)，而这些情境 参数可输入训练推论单元130的类神经网络131，类神经网络131即可输出一安全裕度值， 以作飞航安全性的评估依据。 本实施例的风险评估方法与风险评估专家系统100，亦可用以呈现在飞航过程 (例如航班)中的相关安全性的连续变化和变动过程，藉以评估其事件(操作过程)的异常 状况或事故发生原因。当评估飞航安全性时，可撷取在飞航过程中的多个时间点(瞬间)，
8接着，输入在每一时间点上的相关的情境参数于类神经网络131，藉以利用类神经网络131 来推算在此飞航过程中每一时间点上的安全裕度。因此，这些时间点上的安全裕度可形成 一安全裕度曲线，其可对应于飞航过程的时间，用以呈现此飞航过程中的安全性的连续变 化。 请参照图6，其绘示依照本发明的实施例的正常航班与大雾航班的飞航安全裕度 变化图。以飞航安全裕度为例，在本实施例中，飞航安全裕度系定义介于0 l之间。在最 标准的理想情境下操作时，其安全性等于l，而代表百分的百安全。当安全裕度被压縮为0
时，代表飞行员所需的综合飞行能力为无穷大，亦即发生事故，其安全性等于o。以正常航班
与大雾航班来进行比较，对正常航班而言，落地时的平均飞航安全裕度为0. 531。而对大雾 航班而言，由于最后落地时的能见度受到影响，虽仍可安全落地，但其安全裕度由0. 531降 至0. 483，因而充份显示大雾对飞航安全裕度的影响程度。 请参照图7和图8，图7绘示依照本发明的实施例的正常航班与名古屋空难的飞航 安全裕度变化图，图8绘示依照本发明的实施例的正常航班，与大园空难的飞航安全裕度 变化图。以名古屋空难和大园空难事件为例，将名古屋事件最后2400呎，到失事点的所有 情境参数输入于类神经网络131，可得到名古屋空难在最后258秒内的安全裕度变化曲线， 亦即飞机在最后258秒内的安全性变化。同样地，将大园空难最后3000呎，到失事点的所 有情境参数，输入于类神经网络131，可得到大园空难在最后151秒内的安全裕度曲线，亦 即飞机在最后151秒内的安全性变化。因此，本实施例的飞航安全裕度风险评估方法与风 险评估专家系统100，可清楚地以数据化的方式，呈现在飞安事件(操作过程)中的安全性 的连续变化，甚至到坠毁的情境。 值得注意的是，在本实施例中，飞航安全裕度风险评估方法与风险评估专家系统 IOO，可呈现安全裕度在时间轴上的变化情形(安全裕度曲线)，然不限于此，亦可用以呈现 安全裕度在其它情境参数上的变化情形。例如，安全裕度可对应飞机的高度或速度的变化， 攻角或引擎转速的变化，藉以评估交通工具的操作对飞航安全性的影响。
请参照图9，其绘示依照本发明的实施例的风险评估专家系统的建立方法流程图。 当建立本实施例的风险评估专家系统时，首先，建立多个训练样本(步骤301)。接着，提供 数据库120，并储存训练样本于数据库120中(步骤302)。接着，提供推论单元130(步骤 303)，并利用训练样本来训练推论单元130的类神经网络131(步骤304)。接着，提供使用 者界面110(步骤305)，用以输入情境参数于类神经网络131中，并可显示类神经网络131 所推算的安全裕度。 由上述本发明的实施例可知，本发明的飞航安全裕度风险评估方法、风险评估专
家系统及其建立方法，可提供一个数据化的飞安风险评估方法和系统，以协助飞航驾驶者
或相关业者来提升飞航安全管理的技术水准。且相较于传统的飞安管理理论，本发明的飞
航安全裕度风险评估方法与风险评估专家系统，系以完全科学化、客观及数据化的方式，来
呈现飞航安全状况的连续变化，因而可清楚地分析飞安事件的任一瞬间的安全性和影响因
素。再者，由于本发明的飞航安全裕度风险评估方法，与风险评估专家系统，系考虑飞安事
件的整体情境来进行分析与评估，因而可提升飞安风险评估的正确性与全面性。 虽然本发明已以实施例揭露如上，然而其并非用以限定本发明，任何熟悉此技术
者，在不脱离本发明的精神和范围内，当可作各种等同的改变或替换，因此本发明的保护范
9围当视后附的本申请权利要求范围所界定的为准:
权利要求
一种飞航安全裕度风险评估方法，用以评估飞航安全性，其中该风险评估方法至少包含建立多个训练样本，其中该建立每一该些训练样本的步骤至少包含由多个专家，根据多个预设情境参数，来评估在飞航过程中，避免发生一预设事件情境所需的综合能力，并进行评分；计算所述专家所评分的分数，以取得一综合能力值；以及根据该综合能力值，来计算得到一预设安全裕度，藉以根据所述预设情境参数与该预设安全裕度之间的相对关系，来建立每一所述训练样本；利用所述训练样本，来训练一类神经网络；以及在训练该类神经网络后，输入多个情境参数于该类神经网络，并利用该类神经网络来推算出一安全裕度，藉以根据该安全裕度，来评估飞航安全性。
2. 根据权利要求1所述的飞航安全裕度风险评估方法，其特征在于，另包含 撷取在该交通工具的操作过程中的多个瞬间，其中输入于该类神经网络的多个情境参数包含在每一所述瞬间上的多个情境参数，藉此利用该类神经网络来推算出在每一所述瞬 间的一安全裕度；以及根据所述瞬间的多个安全裕度，来形成一安全裕度曲线，藉以根据该安全裕度曲线来 评估飞航安全性。
3. 根据权利要求1所述的飞航安全裕度风险评估方法，其特征在于，所述预设情境参 数包括至少一软件参数、至少一硬件参数及至少一环境参数。
4. 根据权利要求1所述的飞航安全裕度风险评估方法，其特征在于，该预设事件情境 为飞机坠毁、飞安事件、意外、事故、冲出跑道、稳定进场或安全落地。
5. 根据权利要求1所述的飞航安全裕度风险评估方法，其特征在于，所述专家评估综 合能力的步骤至少包含提供一综合能力问巻于每一所述专家，其中该综合能力问巻系预先区分综合能力的等 级；以及由每一所述专家根据所述预设情境参数，对该综合能力问巻来进行回答。
6. 根据权利要求l所述的飞航安全裕度风险评估方法，其特征在于，该综合能力值(P) 所推算得到的该预设安全裕度(SM)是由下列公式来计算得到<formula>formula see original document page 2</formula>
7. —种飞航安全裕度风险评估专家系统，用以评估飞航安全性，其特征在于，该专家系统至少包含一使用者界面，用以输入多个情境参数，并显示该专家系统的运算结果； 一数据库，具有多个训练样本，其中多个专家是根据多个预设情境参数，来评估在飞航 过程中，避免发生一预设事件情境所需的综合能力，并进行评分，而根据所述专家所评分的 分数，来取得一综合能力值，该综合能力值是用以推算一预设安全裕度，每一所述训练样本系根据所述预设情境参数与该预设安全裕度之间的相对关系来建立；以及一推论单元，设有一类神经网络，其中该类神经网络系利用所述训练样本来进行训练；其中，当输入所述情境参数于该类神经网络时，该类神经网络推算出一安全裕度，藉以根据该安全裕度来评估飞航安全性。
8. 根据权利要求7所述的飞航安全裕度风险评估专家系统，其特征在于还至少包含 一发展者界面，连接于该数据库和该推论单元，用以输入所述训练样本于该数据库中，并允许对该数据库或该推论单元进行编辑与修订。
9. 根据权利要求7所述的飞航安全裕度风险评估专家系统，其特征在于，该综合能力 值(P)所推算得到的该预设安全裕度(SM)系由下列公式来计算得到SM = 1/P。
10. —种飞航安全裕度风险评估专家系统的建立方法，其中该专家系统系用以评估飞航安全性，该建立方法至少包含建立多个训练样本，其中该建立每一所述训练样本的步骤至少包含由多个专家根据多个预设情境参数，来评估在飞航过程中，避免发生一预设事件情境 所需的综合能力，并进行评分；计算所述专家所评分的分数，以取得一综合能力值；以及根据该综合能力值，来计算得到一预设安全裕度，藉以根据所述预设情境参数与该预 设安全裕度之间的相对关系来建立每一所述训练样本； 储存所述训练样本于一数据库中； 利用所述训练样本来训练一类神经网络；以及输入多个情境参数于该类神经网络中，并显示该类神经网络所推算的一安全裕度。
全文摘要
本发明是一种使用飞航安全裕度理论的飞航操作风险评估方法、专家系统及其建立方法。此风险评估方法和风险评估专家系统，是用以量化评估飞航操作的安全性，风险评估专家系统的建立方法可包含建立多个训练样本来储存于数据库中；利用训练样本来训练一推论单元的类神经网络；以及提供一使用者界面，用以输入多个情境参数于类神经网络中，并显示类神经网络所推算的一安全裕度。
文档编号G06N5/00GK101770602SQ200810188969
公开日2010年7月7日 申请日期2008年12月31日 优先权日2008年12月31日
发明者景鸿鑫 申请人:国立成功大学