متن کاوی گزارش های نهایی سوانح هوایی: مطالعه موردی سازمان هواپیمایی کشوری ایران

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 37

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JTAE-10-3_003

تاریخ نمایه سازی: 22 آبان 1405

چکیده مقاله:

در این پژوهش با هدف تحلیل محتوای گزارش های نهایی سوانح هوایی ایران طی بازه ی ۲۰۰۷ تا ۲۰۲۵، از روش های متن کاوی و الگوریتم های یادگیری ماشین استفاده شده است. داده ها شامل ۱۳۹ گزارش از پایگاه داده سازمان هواپیمایی کشور بوده که پس از پیش پردازش متنی شامل حذف علائم اضافی، یکسان سازی واژگان، حذف ایست واژه ها و ریشه یابی کلمات، مورد تحلیل قرار گرفتند. در بخش نخست، تحلیل فراوانی واژگان و سپس مدل سازی موضوعی (Topic Modeling) به وسیله الگوریتم STM برای شناسایی مضامین اصلی متن ها به کار گرفته شد. نتایج نشان داد که موضوعات شامل عملکرد موتور، فرآیند تقرب و فرود، آموزش هوانوردی و سوانح بالگردی هستند. در ادامه، دسته بندی شدت سوانح در چهار گروه اصلی با بهره گیری از الگوریتم های نزدیک ترین همسایگی، ماشین بردار پشتیبان، بیز ساده، درخت تصمیم و جنگل تصادفی انجام گرفت. ارزیابی مدل ها نشان داد که الگوریتم جنگل تصادفی با دقت ۶۹ درصد عملکرد بهتری نسبت به سایر مدل ها داشته است. نتایج این مطالعه بیانگر آن است که به کارگیری روش های متن کاوی در کنار الگوریتم های یادگیری ماشین می تواند ابزاری کارآمد برای شناسایی الگوهای پنهان در گزارش های سوانح هوایی و پشتیبانی از تصمیم گیری های ایمنی باشد. بر این اساس، پیشنهاد می شود در پژوهش های آینده بانک های داده ای جامع تر و استانداردتر از گزارش های سوانح فراهم گردد تا بستری مناسب برای انجام تحلیل های پیچیده تر و دقیق تر فراهم شود. همچنین بهره گیری از روش های پیشرفته تر مانند الگوریتم های یادگیری عمیق نیز می تواند دقت طبقه بندی را بهبود بیشتری دهد.

نویسندگان

پرهام حسن

کارشناسی ارشد، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشگاه تهران، ایران

حمیدرضا ضرغامی

دانشیار، دانشکده تحصیلات تکمیلی، دانشگاه علوم و فنون هوایی شهید ستاری، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. Nanyonga, U. Turhan, and G. Wild, "A systematic review ...
  • Q. Wang, R. Xia, J. Yu, Q. Liu, S. Tong, ...
  • Y. Xing et al., "Discovering latent themes in aviation safety ...
  • A. Nanyonga, H. Wasswa, U. Turhan, O. Molloy, and G. ...
  • B. Xu and S. Kumar, "A text mining classification framework ...
  • X. Jing, A. Chennakesavan, C. Chandra, M. V. Bendarkar, M. ...
  • Y. Jiao, J. Dong, J. Han, and H. Sun, "Classification ...
  • V. de Vries, "Classification of aviation safety reports using machine ...
  • D. Ziakkas and K. Pechlivanis, "Artificial intelligence applications in aviation ...
  • X. Zhang and S. Mahadevan, "Ensemble machine learning models for ...
  • R. A. Burnett and D. Si, "Prediction of injuries and ...
  • Y. Xu, Z. Gan, R. Guo, X. Wang, K. Shi, ...
  • H. Zhang and Q. Wang, "Risk identification model of aviation ...
  • E. Fazeli Sanghani and M. kheirabadi, "Analysis of air accidents ...
  • "Aircraft Accident Investigation Group (AIG) System," Civil Aviation Organization of ...
  • نمایش کامل مراجع