一种基于知识集成的竞争机制双通道低空风切变航空安全风险因果提取方法

本发明涉及低空风切变这一具体情境下航空系统不安全事件的风险评估与管理，具体是对低空风切变下航空系统不安全事件报告进行风险识别和风险致因挖掘，为主动安全管理提供参考。

背景技术：

1、航空系统不安全事件报告是识别航空风险、挖掘风险致因、锚定安全漏洞的重要素材和依据，对于不安全事件报告的深入研究有利于航空安全管理部门查漏补缺，消除安全隐患，预先进行风险控制，持续提升主动安全管理效能。

2、由于低空风切变航空不安全事件数据存在口语化、数据缺失、非结构化等问题，使得对于低空风切变航空不安全事件历史数据难以进行系统性的挖掘与分析，导致对于大部分不安全事件的风险识别和致因分析不充分、不具体、不深入。为了解决对于低空风切变航空系统不安全事件风险识别泛化、致因分析表面化的问题，设计了一种基于知识集成的竞争机制双通道低空风切变航空安全风险因果提取方法，以提升对于低空风切变下航空不安全事件的研究深度，为航空安全管理提供参考。

技术实现思路

1、为解决低空风切变航空不安全事件的风险识别和致因分析不充分的问题，提供一种基于知识集成的竞争机制双通道低空风切变航空安全风险因果提取方法。

2、本发明提出的基于知识集成的竞争机制双通道低空风切变航空安全风险因果提取方法，包括以下步骤：

3、步骤1、采集并分析低空风切变航空系统不安全事件相关数据，基于数据特征构建具有强面向性的高精度专业领域词典；

4、步骤2、构建面向低空风切变航空不安全事件的知识驱动优化主题识别模型，高效识别低空风切变相关的气象风险因素和管制风险因素，并赋予复合风险因素强标签；

5、步骤3、构建模拟人脑直觉因果推理的知识驱动深度学习直觉因果识别器，通过低空风切变航空风险专项外部知识引入模块和智能上下文语境认知模块，实现高效低空风切变航空风险因果识别；

6、步骤4、构建模拟人脑逻辑因果推理的“关联-回顾-推理”逻辑因果识别器，针对低空风切变航空不安全事件数据，融合图神经网络、记忆增强网络和贝叶斯深度学习方法进行多重优化，实现精准低空风切变航空风险因果识别；

7、步骤5、提出竞争机制双通道因果关系提取模型，筛选融合高可靠性的直觉因果识别结果和逻辑因果识别结果，突破单一因果识别方法的局限性，获取识别精度最高、挖掘深度最大的因果识别结果；

8、步骤6、面向低空风切变航空不安全事件历史数据，构建数据驱动的跨层次因果森林解耦模型，针对低空风切变航空风险复杂、风险因素耦合程度高的特点，进行跨层级的因果解耦。

9、为优化上述技术方案，采取的具体措施还包括：

10、进一步地，步骤1具体为：

11、步骤1.1、采集航空系统低空风切变相关不安全事件相关数据，进行数据清洗、格式化、去停用词等基本数据预处理；

12、步骤1.2、使用wordpiece和最大匹配算法构建专用于低空风切变航空风险的领域专业词典作为外部知识引入，获得符合低空风切变航空不安全事件数据特点的子词单元；

13、步骤1.3、使用glove方法获得全局词向量矩阵。

14、进一步地，步骤2具体为：

15、步骤2.1、以互信息和kl散度为评估指标，选取在低空风切变不安全事件数据上降维性能最优的umap方法进行数据降维，使用训练数据进行多轮迭代学习模型参数；

16、步骤2.2、以dbi和dunn指数为评估指标，选取在低空风切变不安全事件数据上聚类性能最优的hdbscan方法进行聚类，使用训练数据进行多轮迭代学习模型参数；

17、步骤2.3、将优化后的umap和hdbscan模块嵌入bertopic模型，引入面向低空风切变航空风险的专业领域词典实现知识驱动，强化对于气象因素、管制因素的识别，并赋予复合风险因素强标签。

18、进一步地，步骤3具体为：

19、步骤3.1、通过数据挖掘和数据增强提炼面向低空风切变航空风险的外部因果知识库，引入基于bert的直觉因果关系识别器；

20、步骤3.2、设置以交叉熵损失为目标函数的因果关系二分类训练任务训练直觉因果关系识别器；设置以边际损失函数为目标函数的因果强度排名训练任务训练直觉因果关系识别器。

21、步骤3.3、针对低空风切变航空不安全事件的特点，设置高强度识别模块，强化对于气象因素、管制因素的识别；设置强调模块，赋予复合风险因素强标签。

22、进一步地，步骤4具体为：

23、步骤4.1、根据低空风切变航空风险数据特点构造专用因果关系图模型；

24、步骤4.2、进行因果关联，对于带有事件对<ea，eb>的句子，检索因果逻辑链{θ1,θ2，...θj}，其中每个都是一个因果规则，描述连接ea，eb的第j条因果逻辑链；

25、步骤4.3、进行因果知识回顾，获取因果链条中每一个节点的邻近节点(包含上下文信息)和先例感知表示，构建因果关系对应的权重矩阵和偏差矩阵；

26、步骤4.4、进行因果关系推理，提出一种使用矩阵计算该因果规则和上下文的前因感知置信概率，计算公式为：

27、

28、式中，和指特征向量的平均表示，wr指对应的权重矩阵。删除置信度低于0.9的因果链；

29、步骤4.5、提出一种计算因果逻辑链的重要度方法，计算公式为：

30、

31、将重要程度排名前80％的因果逻辑链作为因果关系识别结果，构建三阶段范式的模拟人类逻辑推理过程，即关联→回顾→推理的逻辑因果关系识别模块。

32、进一步地，步骤5具体为：

33、构建竞争机制，提出一种对比分析两个因果关系识别器在每一条数据上的因果识别的可信度的计算方法，计算公式为：

34、

35、式中，和指直觉因果关系识别结果和逻辑因果关系识别结果，筛选可信度最高的因果关系识别结果作为模型输出。

36、与现有技术相比，本发明具有的优点和效果如下：

37、(1)针对低空风切变航空不安全事件风险因素多、风险面向性强的特点，基于最大匹配算法和wordpiece构建了面向低空风切变航空风险的专业领域词典，作为外部知识引入优化bertopic模型，构建了一种适用于低空风切变的航空风险识别模型，并着重识别与低空风切变航空风险关系密切的气象风险因素和管制风险因素，而且赋予复合风险因素强标签，提升了对低空风切变航空风险识别的针对性和精确度。

38、(2)针对低空风切变航空风险的演变规律，构建了模拟人脑思维方式的融合直觉因果关系识别、逻辑因果关系识别的竞争机制双通道因果识别模型，针对低空风切变风险特点深入挖掘风险致因链路，系统性的提升对于低空风切变风险致因分析的准确性和效率。

技术特征：

1.一种基于知识集成的竞争机制双通道低空风切变航空安全风险因果提取方法，其特征在于包括以下步骤：

2.根据权利要求1所述的挖掘低空风切变下航空风险致因的竞争机制双通道因果提取方法，其特征在于：步骤1)采集、分析低空风切变航空系统不安全事件相关数据，通过使用最大匹配算法、wordpiece等方法对低空风切变相关数据进行深度挖掘，构建具有强面向性、强数据支撑的低空风切变航空风险领域专业词典；将专业领域词典作为外部知识引入并使用glove方法进行数据处理，获得符合低空风切变航空不安全事件数据特点的子词单元和全局词向量矩阵。

3.根据权利要求1所述的挖掘低空风切变下航空风险致因的竞争机制双通道因果提取方法，其特征在于：步骤2)构建专用于低空风切变不安全事件风险识别的优化bertopic模型，针对低空风切变航空不安全事件的特点，强化对于气象因素、管制因素的识别，并赋予复合风险因素强标签，为风险因果识别提供结构化数据基础。

4.根据权利要求1所述的挖掘低空风切变下航空风险致因的竞争机制双通道因果提取方法，其特征在于：步骤3)针对低空风切变航空风险的不确定性，构建模拟人脑直觉因果推理的知识驱动深度学习直觉因果识别器，通过低空风切变航空风险专项外部知识引入模块和智能上下文语境认知模块，提升对隐性因果关系识别的速度；对于带有事件对<ea，eb>的句子，使用bert对该句子进行编码，得到ea，eb的向量平均表示ha，hb和上下文的向量平均表示hc，将<ea，eb>和其上下文的表示输入双层感知器得到包含直觉因果推理的所有推理信息。

5.根据权利要求1所述的挖掘低空风切变下航空风险致因的竞争机制双通道因果提取方法，其特征在于：步骤4)针对低空风切变航空风险的演变规律，构建模拟人脑逻辑因果推理的“关联-回顾-推理”逻辑因果识别器，基于低空风切变航空不安全事件数据，融合图神经网络、记忆增强网络和贝叶斯深度学习方法进行多重优化，并创新的提出针对低空风切变航空不安全事件数据特点的置信度计算方法和因果重要度计算方法，对因果识别结果进行筛选：将因果关系转化为因果关系图模型；对于带有事件对<ea，eb>的句子，检索因果逻辑链{θ1，θ2，...θj}，其中每个都是一个因果规则，描述了连接ea,eb的第j条因果逻辑链；获取因果链条中每一个节点的邻近节点和先例感知表示，构建因果关系对应的权重矩阵和偏差矩阵；提出一种计算该因果规则和上下文的前因感知的置信概率的方法：提出一种计算因果逻辑链的重要度方法：按重要程度筛选因果关系识别结果。

6.根据权利要求1所述的挖掘低空风切变下航空风险致因的竞争机制双通道因果提取方法，其特征在于：步骤5)为了突破单一因果识别方法的局限性，获取识别精度最高、挖掘深度最大的因果识别结果，引入竞争机制，提出一种对比两个因果关系识别器在每一条数据上的因果识别的可信度的计算方法筛选并融合高可靠性的直觉因果识别结果和逻辑因果识别结果，大幅提升模型在不同数据上的适应能力和因果关系识别精度。

7.根据权利要求1所述的挖掘低空风切变下航空风险致因的竞争机制双通道因果提取方法，其特征在于：步骤6)面向低空风切变航空不安全事件历史数据，构建数据驱动的跨层次因果森林解耦模型，基于随机森林模型架构，针对低空风切变航空风险复杂、风险因素耦合程度高的特点，开发跨层次因果森林解耦模型，实现对于低空风切变航空风险的跨层次解耦，在风险层级交界面进行多重解耦，获得可解释性强的低空风切变航空风险解耦合因果关系。

技术总结
本发明提供了一种基于知识集成的竞争机制双通道低空风切变航空安全风险因果提取方法，包括：收集分析航空系统低空风切变不安全事件数据、构建面向航空系统低空风切变不安全事件报告的BERTopic专业领域主题识别模型、构建模拟人类因果推理思维的直觉因果识别‑逻辑因果识别竞争机制双通道因果关系提取模型、构建面向低空风切变航空风险致因分析的跨层级因果解耦模型。本发明针对低空风切变风险识别未能充分利用历史数据和智能化水平较低的问题，设计了面向低空风切变这一具体情境的领域专用风险识别模型；基于低空风切变的风险演化规律，结合直觉因果推理和逻辑因果推理设计了面向低空风切变的全新的竞争机制双通道因果关系提取模型，为准确识别低空风切变下航空系统风险、深入挖掘风险致因链路，提升航空系统总体安全水平提供理论支撑。

技术研发人员：张雯璇,曹愈远,王华伟,任龙禧,岳瑜斌
受保护的技术使用者：南京航空航天大学
技术研发日：
技术公布日：2025/3/20