航空公司运行监控风险评估研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-17页 |
1.1 研究背景及意义 | 第10-12页 |
1.1.1 研究背景 | 第10-12页 |
1.1.2 研究意义 | 第12页 |
1.1.3 研究目的 | 第12页 |
1.2 国内外研究现状 | 第12-14页 |
1.2.1 国外风险评估研究现状 | 第12-13页 |
1.2.2 国内风险评估研究现状 | 第13-14页 |
1.3 风险的定义 | 第14-15页 |
1.4 本文主要研究内容 | 第15页 |
1.5 本文主要研究方法 | 第15-17页 |
1.5.1 指标体系的建立 | 第15-16页 |
1.5.2 指标量化 | 第16页 |
1.5.3 构建航空公司运行监控风险评估模型 | 第16页 |
1.5.4 对模型进行检验 | 第16-17页 |
第2章 航空公司运行监控评估研究 | 第17-31页 |
2.1 运行监控评估体系构建原理 | 第17-19页 |
2.1.1 科学原则 | 第17-18页 |
2.1.2 全面性原则 | 第18页 |
2.1.3 客观性原则 | 第18页 |
2.1.4 实用性原则 | 第18-19页 |
2.2 航空公司运行监控评估体系构建 | 第19-29页 |
2.2.1 安全管控 | 第19-21页 |
2.2.2 运行环境 | 第21-23页 |
2.2.3 机组因素 | 第23-26页 |
2.2.4 飞机因素 | 第26-29页 |
2.3 航空公司运行监控风险分析 | 第29-30页 |
2.3.1 风险的相关概念 | 第29页 |
2.3.2 航空公司运行监控风险管控流程 | 第29-30页 |
2.4 本章小结 | 第30-31页 |
第3章 航空公司运行监控风险评估方法研究 | 第31-45页 |
3.1 评价方法研究和选择 | 第31-36页 |
3.1.1 层次分析法 | 第31-33页 |
3.1.2 三角模糊分析法 | 第33-34页 |
3.1.3 模糊综合评价法 | 第34页 |
3.1.4 D-S证据理论 | 第34-35页 |
3.1.5 小结 | 第35-36页 |
3.2 人工神经网络 | 第36-44页 |
3.2.1 人工神经网络原理 | 第36-37页 |
3.2.2 BP神经网络原理 | 第37-39页 |
3.2.3 BP 神经网络算法 | 第39-42页 |
3.2.4 BP神经网络的改进措施 | 第42-44页 |
3.3 本章总结 | 第44-45页 |
第4章 航空公司运行监控风险评估 | 第45-61页 |
4.1 熵权法原理 | 第45-47页 |
4.1.1 熵 | 第45页 |
4.1.2 熵权法 | 第45-47页 |
4.2 数据收集及模型构造 | 第47-52页 |
4.2.1 模型输入输出确定 | 第47-50页 |
4.2.2 数据初步处理 | 第50-51页 |
4.2.3 BP模型的参数确定 | 第51-52页 |
4.3 航空公司运行监控风险评价 | 第52-54页 |
4.3.1 BP实证评价 | 第52-54页 |
4.3.2 结果分析 | 第54页 |
4.4 灵敏度分析 | 第54-59页 |
4.4.1 灵敏度 | 第54-55页 |
4.4.2 灵敏度分析结果 | 第55-56页 |
4.4.3 改进措施 | 第56-59页 |
4.5 本章小结 | 第59-61页 |
总结 | 第61-62页 |
参考文献 | 第62-65页 |
攻读硕士学位期间取得的学术成果 | 第65-66页 |
致谢 | 第66页 |