基於QAR數據半參數分析的風險預測評價方法研究

《基於QAR數據半參數分析的風險預測評價方法研究》是依託北京航空航天大學，由周晟瀚擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於QAR數據半參數分析的風險預測評價方法研究
• 依託單位：北京航空航天大學
• 項目負責人：周晟瀚
• 項目類別：青年科學基金項目

項目摘要

課題目的是發展基於QAR數據半參數分析的風險預測與評價方法。研究先對QAR數據預處理來解決高維、異頻、異常、缺失等問題。再進行多元分析，探討QAR數據在時間維度上的變化特徵和相關關係，進而研究不同變數間的互動作用。再發展半參數分析模型，構造並比較模型有偏估計和無偏估計，對風險發生規律進行預測，並基於風險預測的結果，發展綜合評價方法，用於對風險因素進行綜合評價。除了理論基礎研究，課題還計畫結合無人機著陸載荷風險預測問題進行實證研究，探討提高預測模型的相應速度、精度和準確性、改進風險評價方法的路徑。研究成果一方面可以改進傳統飛參數據分析方法，增強實時性，另一方面課題發展的模型也可廣泛套用於船舶動力系統、車輛控制系統等其他相關領域研究中。. 研究旨在分析：第一，如何基於QAR數據建立有效面板數據因果檢驗模型，檢驗風險因素的相互作用關係；第二，如何建立半參數分析模型，構造並檢驗其有偏估計，用於預測潛在風險的發生規律；第三，如何利用預測結果，結合主、客觀評價屬性，科學評價風險。

結題摘要

本研究針對QAR數據分析和風險預測問題，研究形成了QAR面板數據分析模型、基於半參數分析的風險預測模型，以及拓展的基於Health Care數據分析的健康風險分析預測模型。 課題從QAR數據預處理方法入手，選擇法向加速度、地速、待飛距離等三個關鍵變數進行了分析。而後建立飛參變數的線性回歸模型，利用馬爾科夫進行精度校正和模型檢驗，利用copula函式對飛參變數進行非線性相關分析，得出滾轉角和真航向這兩個變數之間存在著非線性相。考慮飛參變數的不確定性，引入vague sets進行預測，結果顯示預測模型是有效的。再利用BP神經網路進行關鍵變數預測，結果驗證了神經網路模型在飛參預測領域的適用性。 研究發展了一種基於隱馬爾科夫的預測模型，使用半參數方法對預測模型進行能力最佳化，引入了狀態轉移頻率分布矩陣和平均混淆矩陣的概念，給出一種基於半參數模型的最佳化方法，並結合無人機衛星導航失靈這一典型安全風險進行了實證研究。通過理論分析和實證檢驗，結果表明風險因素的互動影響在更大程度上不是依賴於時間變數，而是與空間位置相關。該發現對於風險預測模型的研究方向提供了重要依據。 本項目還進行了一些設施布局、醫療數據分析等方面的拓展研究，發表了SCI論文。 在項目獲批後，總共發表相關論文46篇（均標註基金資助信息，其中SCI論文20篇，EI/ISTP論文25篇，中文核心1篇），出版學術專著2本。授權發明專利6項，受理2項。出站博士後1名，畢業博士生1名，碩士生4名。通過項目實施，與國內外相關學者建立了系統深入的合作關係。 本項目批准總經費17.4萬元，申請結題時，已執行11.73萬元，實際結餘5.66萬元。剩餘經費將在後續研究中陸續執行使用。經財務審查，各項開支合法、合規。