摘要
本研究主要目的為針對異常事件航班最後進場階段之操作品質表現進行模態判定。本研究以超速事件為例，透過監督式類神經網路訓練異常事件航班每瞬間的所有參數，得到一個以整體概念為出發點之異常事件網路；再接續利用監督式類神經網路判斷飛行參數超標時間區間內何處有縱向模態產生。藉由類神經網路這種非線性統計性數據建模工具的重複使用，確認進場階段異常區間內縱向模態的發生，進而提供FOQA數據更為深入的理解，對評估飛航操作品質有所助益，並可進一步提供飛航安全數據量化評估的基礎。本研究在測驗航班的超速判定中平均誤判率為3 7%，而縱向模態判定之誤判率為2 9%，未來可望藉由更多數據與更多種類之異常事件航班建立更完整之模態網路。| 獎項日期 | 2015 7月 1 |
|---|---|
| 原文 | ???core.languages.zh_ZH??? |
| 監督員 | Hung-Sying Jing (Supervisor) |