基于Lasso-随机森林模型的航空器安全目标水平预测方法

卢飞; 张欣宇; 王田; 张兆宁

交通信息与安全 ›› 2025, Vol. 43 ›› Issue (6) : 33 -41.

卢飞, 张欣宇, 王田, 张兆宁

作者信息 +

Author information +

文章历史 +

摘要

随着航空安全水平的不断提升，运输事故呈现出小样本、低概率特征，传统基于历史数据的预测方法难以充分刻画当前航空运行风险演化规律，难以满足安全管理的精细化和个性化需求。针对低概率事故样本不足、直接预测不稳定的问题，研究了基于最小绝对收缩与选择算子回归（least absolute shrinkage and selection operator,Lasso）-随机森林模型预测运输事故征候的安全目标水平计算方法。在综合考虑航空运输规模、运行效率、资源投入，以及运行强度等多维因素的基础上，初步构建运输事故征候影响因素集，引入Lasso回归通过时间序列交叉验证方法进行特征筛选，有效缓解小样本条件下多变量共线性问题，提高特征选择的稳定性与合理性。采用随机森林模型对运输事故征候进行预测，通过特征重要性分析与误差驱动的模型简化策略，提高模型的预测精度并且在保证精度的同时降低模型复杂度，提高实用性。以中国2003—2022年民航运行数据为样本进行验证，结果表明：Lasso-随机森林模型具有最低标准化均方根误差（standardized root mean square error,SRMSE）值（45.2）和最高决定系数R²值（0.834），在预测精度上显著优于线性回归和支持向量机（support vector regression,SVR）预测模型。模型简化后SRMSE比原模型进一步降低6.14%。基于简化后的模型对2023年飞行时间和事故征候次数进行预测，得航路上航空器碰撞的安全目标水平为符合标准。