一种基于二维云模型的民机运行风险蒙特卡洛模拟方法

1.本发明涉及一种飞机运行风险评估方法，尤其涉及一种基于二维云模型的民机运行风险蒙特卡洛模拟方法。


背景技术：

2.目前，在航空飞行领域中，由于在航空公司实际运行中，不同机队的飞行人员组成的差异，导致其运行风险水平也表现出一定的差异，根据民航局不安全事件统计报告显示，飞机在运行阶段发生的事故概率高达63％，国内外关于飞机着陆风险评估的研究较多，而对于机队整体运行风险评价的研究较少，基于飞行qar数据对运行阶段进行风险评估研究更少，并且qar样本数据不足，因此，亟需研究建立一套评估整个飞行运行阶段的风险评估方法，为评价飞行员或机队操作风险等级以及为航空公司的飞行品质监控提供技术支撑。


技术实现要素：

3.本发明要解决的技术问题是提供一种能够突破qar样本数据不足的限制，实现对民航机队运行风险定性与定量之间转化的基于二维云模型的蒙特卡洛模拟方法。
4.为了解决上述技术问题，本发明的基于二维云模型的民机运行风险蒙特卡洛模拟方法，包括以下步骤：
5.步骤a：获取一段时间内机队的飞机运行阶段qar数据，同时给每个具体阶段赋予相应的系数，应用二维云模型和蒙特卡洛模拟对飞机整体运行风险的评估；
6.步骤b：运用二维云模型和蒙特卡洛仿真方法建立机队运行风险云模型，并对其进行精准评估和仿真；
7.步骤c：计算民机运行风险各阶段发生概率和严重度，从而获取民机在飞机起飞、飞机巡航、飞机着陆阶段的风险值；
8.步骤d：选取每个阶段每个评价指标的后果等级和概率等级作为风险云的两组基础变量，每个评价指标的风险可能性和产生后果严重性的值形成一个风险云滴，根据给定二维正态云的数字特征，通过二维云正态发生器生成云滴，并利用蒙特卡洛模拟扩大样本，得到二维云风险云图；
9.步骤e：将风险云矩阵与权重矩阵进行合成计算，得到综合风险云；
10.步骤f：获取实际风险等级与标准等级的相近程度，并与标准云进行比较。
11.所述步骤a中的评估公式如下：
12.risk＝κr
taking-off
+βr
cruising
+γr
landing
13.其中，risk表示飞机运行阶段总风险，r
taking-off
表示飞机起飞阶段风险，r
cruising
表示飞机巡航阶段风险，r
landing
表示飞机着陆阶段风险，κ、β、γ分别代表飞机起飞、飞机巡航、飞机着陆阶段的占比系数。
14.所述飞机起飞阶段风险为r
taking-off
＝p
taking-offstaking-off
；飞机巡航阶段风险为r
cruising
＝p
cruisingscruising
；飞机着陆阶段风险为r
landing
＝p
landingslanding
。
15.所述步骤c中，以期望值为对称轴，α为矩的区域概率ρ(x∈[2u-α,α])表示某机队在一段时间内飞机起飞、飞机巡航、飞机着陆风险发生的可能性；以飞机起飞阶段各指标样本数据偏离均值的程度来表示运行阶段起飞风险的发生的概率。
[0016]
所述步骤d的具体步骤如下：
[0017]
(1)提取飞机在起飞、巡航、着陆各阶段各指标qar数据的风险值，计算起飞、巡航、着陆阶段风险值的期望；
[0018]
(2)提取飞机在起飞、巡航、着陆各阶段各指标qar数据的风险值，根据步骤(1)中起飞阶段风险值的样本期望、巡航阶段风险值的样本期望和着陆阶段风险值的样本期望计算起飞、巡航、着陆阶段风险值的熵；
[0019]
(3)提取飞机在起飞、巡航、着陆各阶段各指标qar数据的风险值，根据步骤(2)中起飞阶段风险值的熵、巡航阶段风险值的熵和着陆阶段风险值的熵计算起飞、巡航、着陆阶段风险值的超熵；
[0020]
(4)提取飞机在起飞、巡航、着陆各阶段各指标qar数据的风险值，根据起飞阶段风险值的样本期望、巡航阶段风险值的样本期望和着陆阶段风险值的样本期望计算起飞、巡航、着陆阶段风险值的方差；
[0021]
(5)提取飞机在起飞、巡航、着陆各阶段各指标qar数据的风险值，根据步骤(1)和步骤(2)中起飞阶段风险值的样本期望、巡航阶段风险值的样本期望和着陆阶段风险值的样本期望以及起飞阶段风险值的熵、巡航阶段风险值的熵和着陆阶段风险值的熵计算起飞、巡航、着陆阶段风险值的二维云滴确定度。
[0022]
所述步骤e的运算过程如下：
[0023][0024]
其中，ex
运行
为飞机运行阶段的风险期望值，en
运行
为飞机运行阶段的风险熵值，he
运行
为飞机运行阶段的风险超熵值，κ、β、γ分别代表起飞、巡航、着陆阶段的占比系数。
[0025]
所述步骤f的具体步骤如下：
[0026]
(1)将评价指标的风险等级划分为i～v个等级，将标准风险值[0,1]区间等距分为5个子区间，分别为[0,0.2)、[0.2,0.4)、[0.4,0.6)、[0.6,0.8)、[0.8,1]，其中第λ个子区间表示为
[0027]
(2)对风险标准云的后果等级和概率等级进行划分。
[0028]
所述计算飞机运行阶段实际风险等级与标准等级的相近程度的计算公式如下：
[0029][0030]
其中，为标准云风险概率的期望，ex
风险概率
为实际风险概率的期望，为标准云风险后果的期望，ex
风险后果
'为实际风险后果的期望。
[0031]
本发明的优点在于：
[0032]
通过建立的民航机队运行风险云模型蒙特卡洛模拟方法，给予了起飞阶段、巡航
阶段、着陆阶段赋予相应系数，计算运行阶段整体的风险值，突破一段时期内飞机运行阶段qar样本数据不足的限制，实现对民航机队运行风险定性与定量之间的转化，将运行阶段的模糊风险值量化，并对其进行精准评估和仿真，科学评估了民航机队运行过程中的安全状态和变化趋势，具有评估方法实用、评估程序简单、评估结果量化等优点，该模型既可评估整个机队在某一周期的运行风险状况，也可对某一个飞行员在某一周期的运行风险状况进行评估，对航空公司的安全水平和飞行品质监控具有重要意义。
附图说明
[0033]
图1为本发明基于二维云模型的民机运行风险蒙特卡洛模拟方法的流程图。
具体实施方式
[0034]
下面结合附图和具体实施方式，对本发明的基于二维云模型的民机运行风险蒙特卡洛模拟方法作进一步详细说明。
[0035]
如图1所示，本发明的基于二维云模型的民机运行风险蒙特卡洛模拟方法，包括以下具体实施步骤：
[0036]
步骤a：获取某航空公司的某民航机队在一段时间内的飞机运行阶段(包括飞机起飞、飞机巡航、飞机着陆这三个关键阶段)时的qar数据，同时给每个关键阶段赋予相应的系数，应用二维云模型和蒙特卡洛模拟对飞机整体运行风险的评估(飞机运行阶段风险包括飞机起飞阶段风险、飞机巡航阶段风险、着飞机陆阶段风险)，评估公式如下：
[0037]
risk＝κr
taking-off
+βr
cruising
+γr
landing
[0038]
其中，risk表示飞机运行阶段总风险，r
taking-off
表示起飞阶段风险，r
cruising
表示巡航阶段风险，r
landing
表示着陆阶段风险，κ、β、γ分别代表起飞、巡航、着陆阶段的占比系数，分别为0.3、0.1、0.6。
[0039]
其中，飞机起飞阶段风险为r
taking-off
＝p
taking-offstaking-off
，即：起飞阶段风险为飞机起飞阶段风险发生概率与风险发生后果的乘积；起飞巡航阶段风险r
cruising
＝p
cruisingscruising
即：巡航阶段风险为巡航阶段风险发生概率与风险发生后果的乘积；起飞着陆阶段风险r
landing
＝p
landingslanding
即：着陆阶段风险为着陆阶段风险发生概率与风险发生后果的乘积。
[0040]
步骤b：运用二维云模型和蒙特卡洛仿真方法建立机队运行风险云模型，突破样本数据不足的限制，实现对民航机队运行风险定性与定量之间的转化，并对其进行精准评估和仿真；
[0041]
步骤c：计算民机运行风险各阶段发生概率和严重度，从而获取民机在飞机起飞、飞机巡航、飞机着陆阶段的风险值；
[0042]
以期望值为对称轴，为矩的区域概率ρ(x∈[2u-α,α])表示某机队在一段时间内飞机起飞、飞机巡航、飞机着陆风险发生的可能性，述p
taking-off
为民机运行阶段起飞风险的发生概率；
[0043][0044]
为在获得均匀分布随机数的基础上，进行box-muller变换得到的飞机起飞阶段各评价指标的随机数。
[0045]
其中，0≤p
taking-off
≤1，μ
taking-off
、σ
taking-off
为已知正态分布样本数据的均值和标准差，r、t分别为在(0,1)值域内服从均匀分布的独立的随机数。
[0046]
以飞机起飞阶段各指标样本数据偏离均值的程度来表示运行阶段起飞风险的发生的概率，离均值越远严重度越高，计算公式如下：
[0047][0048]
其中，s
taking-off
≥0
[0049]
则民机机队运行阶段起飞风险计算公式为：
[0050][0051]
同样地，巡航阶段风险计算公式为：
[0052][0053]
着陆阶段风险计算公式为：
[0054][0055]
步骤d：
[0056]
风险的发生概率和产生的后果可以共同反应某事件发生的风险等级，因此选取飞机起飞、飞机巡航、飞机着陆阶段每个评价指标的后果等级和概率等级作为风险云的两组基础变量，每个评价指标的风险可能性和产生后果严重性的值形成一个风险云滴，根据给定二维正态云的数字特征，通过二维云正态发生器生成云滴，并利用蒙特卡洛模拟扩大样本，得到二维云风险云图，具体步骤如下；
[0057]
(1)提取飞机在起飞、巡航、着陆各阶段各指标qar数据的风险值，计算飞机起飞、飞机巡航、飞机着陆阶段风险值的期望，具体公式如下：
[0058][0059]
其中，ex
taking-off
为起飞阶段风险值的样本期望，ex
cruising
为巡航阶段风险值的样本期望，ex
landing
为着陆阶段风险值的样本期望，q为样本数量，xk为样本点。
[0060]
(2)提取飞机在飞机起飞、飞机巡航、飞机着陆各阶段各指标qar数据的风险值，根据步骤(1)中起飞阶段风险值的样本期望、巡航阶段风险值的样本期望和着陆阶段风险值的样本期望计算飞机起飞、飞机巡航、飞机着陆阶段风险值的熵，具体公式如下：
[0061][0062]
其中，en
taking-off
为起飞阶段风险值的熵，en
cruising
为巡航阶段风险值的熵，en
landing
为着陆阶段风险值的熵。
[0063]
(3)提取飞机在飞机起飞、飞机巡航、飞机着陆各阶段各指标qar数据的风险值，根据步骤(2)中起飞阶段风险值的熵、巡航阶段风险值的熵和着陆阶段风险值的熵计算飞机起飞、飞机巡航、飞机着陆阶段风险值的超熵，具体公式如下：
[0064][0065]
其中，he
taking-off
为起飞阶段风险值的超熵，he
cruising
为巡航阶段风险值的超熵，he
landing
为着陆阶段风险值的超熵。
[0066]
(4)提取飞机在飞机起飞、飞机巡航、飞机着陆各阶段各指标qar数据的风险值，根据起飞阶段风险值的样本期望、巡航阶段风险值的样本期望和着陆阶段风险值的样本期望计算飞机起飞、飞机巡航、飞机着陆阶段风险值的方差，具体公式如下：
[0067][0068]
其中，s
2taking-off
为起飞阶段风险值的方差，s
2cruising
为巡航阶段风险值的方差，s
2landing
为着陆阶段风险值的方差。
[0069]
(5)提取飞机在飞机起飞、飞机巡航、飞机着陆各阶段各指标qar数据的风险值，根据步骤(1)和(2)起飞阶段风险值的样本期望、巡航阶段风险值的样本期望和着陆阶段风险值的样本期望以及起飞阶段风险值的熵、巡航阶段风险值的熵和着陆阶段风险值的熵计算飞机起飞、飞机巡航、飞机着陆阶段风险值的二维云滴确定度，具体公式如下：
[0070][0071]
其中，为起飞阶段风险值的二维云滴确定度，u
icruising
为巡航阶段风险值的二维云滴确定度，u
ilanding
为着陆阶段风险值的二维云滴确定度。
[0072]
根据给定二维正态云的数字特征，通过二维云正态发生器生成云滴，并利用蒙特卡洛模拟扩大样本，得到二维云风险云图，具体算法如下：
[0073]
输入：飞机起飞、巡航、着陆阶段评价指标风险概率和后果的期望(ex
taking-off
，ex
taking-off
)、(ex
cruising
，ex
cruising
)、(ex
landing
，ex
landing
)，熵(en
taking-off
，en
taking-off
)、(en
cruising
，en
cruising
)、(en
landing
，en
landing
)超熵(he
taking-off
，he
taking-off
)、(he
taking-off
，he
taking-off
)、(he
taking-off
，he
taking-off
)和n个云滴；
[0074]
输出：n个云滴和drop(xi，yi，ui)，其中i＝1，2，
…
n。
[0075]
步骤e：将风险云矩阵与权重矩阵进行合成计算，得到综合风险云，具体步骤如下：
[0076]
风险二维云云滴的形成方法，将风险云矩阵与权重矩阵进行合成计算，得到综合风险云，运算过程如下：
[0077][0078]
其中，ex
运行
为飞机运行阶段的风险期望值，en
运行
为飞机运行阶段的风险熵值，he
运行
为飞机运行阶段的风险超熵值，κ、β、γ分别代表飞机起飞、飞机巡航、飞机着陆阶段的占比系数。
[0079]
步骤f：获取实际风险等级与标准等级的相近程度，并与标准云进行比较，具体步骤如下：
[0080]
(1)将评价指标的风险等级划分为i～v个等级，且分别对应的风险等级为很低、低、中等、高，很高，将标准风险值[0,1]区间等距分为5个子区间，分别为[0,0.2)、[0.2,0.4)、[0.4,0.6)、[0.6,0.8)、[0.8,1]，其中第λ个子区间表示为风险标准云的计算公式如下：
[0081][0082]
其中，为飞机运行阶段风险标准云的期望，为风险标准云的熵，为第λ个区间的上限值，为第λ个区间的下限值，为风险标准云的超熵。
[0083]
(2)对风险标准云的后果等级和概率等级进行划分，分别为极小危害、较小危害、中等危害、较大危害、极大危害；几乎不会发生、较小概率发生、有可能发生、较大可能发生、极有可能发生。
[0084]
计算飞机运行阶段实际风险等级与标准等级的相近程度，一般来说，相近度值越大，实际风险等级越靠近该等级的标准值，计算公式如下：
[0085][0086]
其中，为标准云风险概率的期望，ex
风险概率
为实际风险概率的期望，为标准云风险后果的期望，ex
风险后果
'为实际风险后果的期望。
[0087]
输出综合风险二维云，并分析风险二维云的特征。
[0088]
以上实例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案上做任何改动，均落入本发明的保护范围内。