| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景及研究意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 评价对象 | 第16-17页 |
| 1.2.2 评估方法 | 第17-19页 |
| 1.3 研究内容和技术路线 | 第19-22页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 技术路线 | 第20-22页 |
| 2 民航不安全事件波动特性分析 | 第22-42页 |
| 2.1 民航不安全事件数据结构 | 第22-25页 |
| 2.2 民航不安全事件数据分析 | 第25-40页 |
| 2.2.1 基于统计的民航不安全事件分析 | 第25-29页 |
| 2.2.2 基于成分向量自回归模型的波动分析 | 第29-35页 |
| 2.2.3 基于关联规则的特征挖掘 | 第35-40页 |
| 2.3 本文待解决的问题 | 第40页 |
| 2.4 本章小结 | 第40-42页 |
| 3 基于贝叶斯网络的不完整民航事件的预测推理 | 第42-68页 |
| 3.1 贝叶斯网络的概念描述 | 第42-44页 |
| 3.1.1 贝叶斯网络的定义 | 第42-43页 |
| 3.1.2 基本概念和定理 | 第43-44页 |
| 3.2 贝叶斯网络的学习 | 第44-49页 |
| 3.2.1 结构学习 | 第44-48页 |
| 3.2.2 参数学习 | 第48-49页 |
| 3.3 贝叶斯网络推理过程 | 第49-52页 |
| 3.3.1 基本推理问题 | 第49-50页 |
| 3.3.2 团树传播算法 | 第50-51页 |
| 3.3.3 基于贝叶斯网络的不完整民航事件推理框架 | 第51-52页 |
| 3.4 民航不安全事件风险因素关联网络的构建 | 第52-65页 |
| 3.4.1 贝叶斯网络的节点选取与数据处理 | 第52-53页 |
| 3.4.2 构建民航不安全事件风险因素关系网 | 第53-57页 |
| 3.4.3 不完整民航事件的推理问题 | 第57-65页 |
| 3.5 本章小结 | 第65-68页 |
| 4 基于CEEMD的民航不安全事件风险识别 | 第68-86页 |
| 4.1 CEEMD理论体系 | 第68-71页 |
| 4.1.1 CEEMD理论的产生 | 第68-70页 |
| 4.1.2 CEEMD民航不安全事件分析流程 | 第70-71页 |
| 4.2 CEEMD分解中的基本概念 | 第71页 |
| 4.2.1 特征时间尺度 | 第71页 |
| 4.2.2 本征模函数及余项 | 第71页 |
| 4.3 CEEMD民航不安全事件数据去噪和风险识别 | 第71-76页 |
| 4.3.1 分解步骤 | 第71-72页 |
| 4.3.2 参数设置 | 第72-73页 |
| 4.3.3 噪声诊断 | 第73-75页 |
| 4.3.4 数据重构 | 第75页 |
| 4.3.5 风险识别 | 第75-76页 |
| 4.4 鸟击事件风险实例分析 | 第76-84页 |
| 4.4.1 鸟击事件数据描述 | 第76-77页 |
| 4.4.2 基于鸟击风险值数据的CEEMD分解 | 第77-79页 |
| 4.4.3 鸟击风险特征提取 | 第79-82页 |
| 4.4.4 鸟击事件高发风险时期检测 | 第82-84页 |
| 4.5 本章小结 | 第84-86页 |
| 5 结论和展望 | 第86-90页 |
| 5.1 主要工作和结论 | 第86-87页 |
| 5.2 进一步研究方向 | 第87-90页 |
| 参考文献 | 第90-94页 |
| 附录A | 第94-102页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第102-106页 |
| 学位论文数据集 | 第106页 |