航空领域的高级建模与数据分析

arXiv:2608.14746v1 宣布类型：新 摘要：航空业以其严格的安全标准为特征，对创新方法以提升安全措施的需求日益增长。尽管航空安全数据随时间积累庞大，但其在预测和预防事件方面的潜力尚未得到充分发挥。本研究通过将机器学习（ML）和自然语言处理（NLP）技术应用于分析来自Socrata、澳大利亚交通安全局（ATSB）、国家运输安全委员会（NTSB）和航空安全网络（ASN）的航空安全数据来解决这一差距。利用现有的ML模型，包括深度学习和基于Transformer的架构，以及用于挖掘航空事件叙述的NLP方法，本研究揭示了导致安全相关事件（如事故和未遂事件）的模式。此外，它采用各种主题建模技术从非结构化安全报告中提取有意义的主题，增强了事件分析的可解释性。进一步探讨了因果推断技术和可解释AI框架，以提高模型透明度和可信度。这项工作的一个关键贡献是在结构化的航空安全环境中部署高级ML方法，评估其有效性并提供其实际实施的见解。研究结果为航空利益相关者（包括监管机构、航空公司和政策制定者）提供了有价值见解，通过数据驱动的解决方案增强事件分析和决策。最终，本研究支持行业持续努力以最小化风险、改善乘客和机组人员安全，并将AI驱动的方法整合到航空安全管理中。

# 航空领域的建模与数据分析进阶
来源: https://arxiv.org/abs/2608.14746
文献工具

## 文献与引用工具

文献浏览器切换

代码、数据、媒体

## 本文关联的代码、数据与媒体

演示

## 演示

相关论文

## 推荐与搜索工具

关于 arXivLabs

## arXivLabs：与社区协作者共同探索的实验性项目

arXivLabs 是一个框架，允许协作者直接在我们的网站上开发和分享新的 arXiv 功能。

所有与 arXivLabs 合作的个人和组织都秉持并认同我们开放、社群、卓越和用户数据隐私的价值观。arXiv 坚守这些价值观，仅与认同并遵守这些价值观的合作伙伴共事。

有一个能为 arXiv 社区带来价值的项目创意吗？**了解更多关于 arXivLabs 的信息** (https://info.arxiv.org/labs/index.html)。