基于机器学习的航空异常着陆事件检测

针对目前机载快速存取记录器(quick access recorders,QAR)在日常监控和事故调查中使用阈值的方法难以根据每种情况设定阈值来检测异常,提出一种基于机器学习的航空着陆异常事件检测模型。在经过数据预处理后,设计一种针对航空高维数据的混合特征选取方法,在极限梯度提升树(extreme gradient boosting,XGBoost)模型中引入代价敏感学习函数和聚焦损失改进算法性能,使用贝叶斯优化训练出最佳异常检测模型。实验结果表明,与其它算法对比,该模型特征提取时间和训练时间短,准确率、F1分数、ROC和PR曲线面积表现出突出的性能。