1. Наука
  2. Видання
  3. Системи обробки інформації
  4. 2(157)'2019
  5. Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті

Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті

Є.О. Гришманов, І.А. Хижняк, П.Г. Бердник
Системи обробки інформації. — 2019. — № 2(157). – С. 134-139.
УДК 621.384
Мова статті: українська
Анотації на мовах:


Анотація: У статті в рамках інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті з використанням глибоких нейронних мереж показані результати моделювання процесу навчання гібридної нейронної мережі на основі згорткових та рекурентних нейронних мереж з використанням фреймворків Keras та TensorFlow з визначенням оптимального значення коефіцієнта швидкості навчання за визначену кількість епох навчання. Метою статті є оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті з використанням глибоких нейронних мереж. Проведено оцінку точності прогнозування несприятливих авіаційних подій в польоті в ході функціонування гібридної нейронної мережі з використанням запропонованої інформаційної технології. Проведено порівняння отриманих результатів оцінки точності прогнозування несприятливих авіаційних подій в польоті з використанням існуючих підходів на основі нейромережевих моделей класичних Recurrent neural network, Long short-term memory, Convolutional neural network і запропонованого підходу на основі модифікованого нейромережевого класифікатора з комплексним використанням Convolutional neural network та Recurrent neural network. Результати порівняння дозволяють зробити висновок, що застосування розробленої інформаційної технології, що реалізовує дану гібридну нейромережеву модель, дозволяє отримати виграш в точності та в повноті класифікації несприятливих авіаційних подій в польоті.


Ключові слова: інформаційна технологія, глибока нейронна мережа, прогнозування, несприятлива авіаційна подія, фреймворк, ефективність

Список літератури

1. Куклев Е.А. Оценивание уровня безопасности полетов в гражданской авиации в рисковых ситуациях на основе цепей случайных событий / Е.А. Куклев // Наука и техника транспорта. – 2003. – № 2. – С. 4-14.
2. Шаров В.Д. Методология применения комбинированного метода FMEA-FTA для анализа риска авиационного события / В.Д. Шаров, В.П. Макаров // Научный вестник МГТУ ГА. Серия “Эксплуатация воздушного транспорта. Безопасность полетов”. – 2011. – № 174. – С. 18-24.
3. Зубков Б.В. Теория и практика определения рисков в авиапредприятиях при разработке системы управления безопасностью полетов / Б.В. Зубков, В.Д. Шаров. – М: МГТУ ГА, 2010. – 196 с.
4. Шаров В.Д. Методика оценки вероятности выкатывания воздушных судов за пределы ВПП при посадке / В.Д. Шаров // Научный вестник МГТУ ГА. Серия “Эксплуатация воздушного транспорта и ремонт авиационной техники. Безопасность полетов”. – 2007. – № 122. – С. 61-66.
5. Автоматизированная система прогнозирования и предотвращения авиационных происшествий при организации и производстве воздушных перевозок. Этап 4 Адаптация разработанных алгоритмов и программных средств АС: отчет о НИР / руководитель темы А.А. Бутов. – Ульяновск: УлГУ, 2012. – 317 с.
6. Karpathy А. The unreasonable effectiveness of recurrent neural networks [Електронний ресурс] / А. Karpathy. – Режим доступу: http://karpathy.github.io/2015/05/21/rnn-effectiveness/.
7. Britz D. Understanding convolutional neural networks for NLP [Електронний ресурс] / D. Britz. – Режим доступу: http:// www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp/.
8. Алексєєв О.М. Автоматизація процесів управління безпекою польотів в аеронавігаційній системі: дис. ... канд техн. наук: 05.22.13 / Алексєєв Олег Миколайович. – К., 2009. – 268 c.
9. Васильєв В.М. Методи моніторингу та розв'язання конфліктних ситуацій в системі кооперативного управління повітряним рухом: дис. ... д-ра техн. наук: 05.22.13 / Васильєв Володимир Миколайович. – К., 2006. – 358 c.
10. Неделько В.Н. Многоцелевой моделирующий комплекс обслуживания воздушного движения / В.Н. Неделько, С.Н. Неделько // Зб. наук. праць інституту проблем моделювання в кібернетиці ім. Г.Є. Пухова “Сучасні тренажерно-навчальні комплекси та системи” – Спец. випуск. – Т. 1. – К., 2006. – С. 90-93.
11. Харченко В.П. Проблемы развития и методы управления эффективностью систем аэронавигационного обслуживания: дис. ... д-ра техн. наук: 05.22.13 / Харченко Владимир Петрович. – К., 1994. – 448 c.
12. Хращевський Р.В. Методологічні основи синтезу адаптивної системи планування розподілу повітряного простору: дис. ... д-ра техн. наук: 05.22.13 / Хращевський Рімвідас Вілімович. – К., 2011. – 390 c.
13. Google Research Team. Tensorflow: Large-scale machine learning on heterogeneous distributed systems. arXiv:1603.04467 [cs.DC], 2016.
14. Нгуен Т.К. Информационная технология локализации текстовых областей на изображениях со сложным фоном: дис. … канд. техн. наук / Т.К. Нгуен. – Одесса: Одесский национальный политехнический университет, 2015. – 202 с.

Інформація про авторів публікації:
Бібліографічний опис для цитування:
Гришманов Є. О. Оцінка ефективності застосування інформаційної технології автоматизованого прогнозування несприятливих авіаційних подій в польоті / Є.О. Гришманов, І.А. Хижняк, П.Г. Бердник  // Системи обробки інформації. – 2019. – № 2(157). – С. 134-139. https://doi.org/10.30748/soi.2019.157.19.

Whoops, looks like something went wrong.