(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211047286.X (22)申请日 2022.08.29 (71)申请人 中国民航大 学 地址 300300 天津市东 丽区津北公路2898 号 (72)发明人 程明　梅傲然　 (74)专利代理 机构 北京盛广信合知识产权代理 有限公司 161 17 专利代理师 刘化帅 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06F 16/2458(2019.01) G06F 16/28(2019.01) (54)发明名称 基于关联规则和复杂网络的跑道着陆事件 风险分析方法 (57)摘要 本发明公开了基于关联规则和复杂网络的 跑道着陆事件风险分析方法,包括以下步骤： 通 过结巴分词技术根据跑道着陆事故调查报告提 取风险因素关键词； 基于风险因素关键词构建跑 道着陆事件风险因素数据集； 利用关联规则挖掘 算法对跑道着陆事件风险因素数据集进行数据 挖掘处理， 获得频繁项集和关联规则； 基于频繁 项集和关联规则构建复杂网络； 复杂网络的节点 为频繁项集， 复杂网络的边为所述关联规则； 根 据复杂网络中节点度和节点中心性确定关键风 险节点， 标记为跑道着陆事件的关键风险因素； 根据关键风险因素， 进行预防和管控。 本发明将 关联规则挖掘和复杂网络相结合， 用于分析跑道 着陆事件的关键风险因素， 并对风险节点的关键 性进行了 定量计算与分析。 权利要求书2页 说明书7页 附图3页 CN 115310857 A 2022.11.08 CN 115310857 A 1.基于关联规则和复杂网络的跑道着陆事件风险分析方法， 其特征在于， 包括以下步 骤： 通过结巴分词技 术根据跑道着陆事故调查报告提取风险因素关键词； 基于所述 风险因素关键词构建跑道着陆事 件风险因素 数据集； 利用关联规则挖掘算法对所述跑道着陆事件风险因素数据集进行数据挖掘处理， 获得 频繁项集和关联规则； 基于所述频繁项集和关联规则构建复杂网络； 所述复杂网络的节点为频繁项集， 所述 复杂网络的边 为所述关联规则， 所述 风险网络的边的权 重为关联规则置信度； 根据复杂网络 中节点度和节点中心性确定关键风险节点， 标记为跑道着陆事件的关键 风险因素； 根据所述关键风险因素， 进行 预防和管控。 2.如权利要求1所述的基于关联规则和复杂网络的跑道着陆事件风险分析方法， 其特 征在于， 所述 通过结巴分词技 术根据跑道着陆事故调查报告提取关键词， 具体包括： 通过结巴分词技术， 依据 《Dictionar y ofAeronautical  Terms》 作为语料库， 抓取跑道 着陆事故调查报告的重要段落内容； 通过对比事故文本， 删除重复词语和无意义虚词， 筛选出跑道着陆事故调查报告风险 因素关键词。 3.如权利要求2所述的基于关联规则和复杂网络的跑道着陆事件风险分析方法， 其特 征在于， 所述重要段落内容包括发生时间、 天气、 机型、 事故类型和事故认定原因。 4.如权利要求1所述的基于关联规则和复杂网络的跑道着陆事件风险分析方法， 其特 征在于， 基于所述 风险因素关键词构建跑道着陆事 件风险因素 数据集,具体包括： 对所述风险因素关键词按逻辑先后顺序进行分类； 将风险因素关键词按照起始节点、 中间节点、 结果节点进行划分， 获得跑道着陆事件风 险因素数据集。 5.如权利要求1所述的基于关联规则和复杂网络的跑道着陆事件风险分析方法， 其特 征在于， 所述利用关联规则挖掘算法对所述跑道着陆事件风险因素数据集进 行数据挖掘处 理， 获得频繁项集和关联规则， 具体包括： 扫描所述跑道着陆事件风险因素数据集， 对出现的所有事物集的项进行计数， 同时计 算单个事物集的支持度； 生成频繁1 ‑项目集L1， 判断其支持度是否满足算法预先设置的最小支持度； 若符合， 根 据关联规则挖掘算法由L1得到频繁2 ‑项集L2， 再由L2去寻找L3， 以此类 推， 直至算法结束； 根据生成的频繁项集确定数据集之间满足阈值条件的关联规则。 6.如权利要求1所述的基于关联规则和复杂网络的跑道着陆事件风险分析方法， 其特 征在于， 所述节点度表示与当前节点直接相连的节点的边的数目； 所述节点中心性表示当 前节点在复杂网络中与其它节点的相对重要度。 7.如权利要求6所述的基于关联规则和复杂网络的跑道着陆事件风险分析方法， 其特 征在于， 所述节点度计算如下： ki＝∑aij 其中， ki表示第i个节点的节点度， j表示复杂网络中除i之外的节点， 当j与i直接相连权　利　要　求　书 1/2 页 2 CN 115310857 A 2时， aij取为1， 否则取为0 。 8.如权利要求6所述的基于关联规则和复杂网络的跑道着陆事件风险分析方法， 其特 征在于， 所述节点中心性包括： 度中心性DCi、 介数中心性BCi、 接近中心性C Ci， 计算如下： 其中， DCi表示节点i的度中心性； ki表示与节点i的度， N是节点个数； BCi表示节点i的介 数中心性； s和t表示网络中除i以外的节 点， 表示经过节点i， 且为最短路径的路径数量， nst表示所有最短路径的数量； CCi表示节点i的接近中心性； dij表示节点i到节点j的平均距 离。权　利　要　求　书 2/2 页 3 CN 115310857 A 3