基于圖神經(jīng)網(wǎng)絡的航空數(shù)據(jù)異常檢測

打開文本圖片集

摘  要：飛行品質(zhì)監(jiān)控（FOQA）數(shù)據(jù)記錄了飛行狀態(tài)的詳細參數(shù)，對于評估飛行操作的質(zhì)量和安全性至關(guān)重要。傳統(tǒng)的“超限檢測”算法通過與預先建立的閾值進行比較來識別異常行為。相比之下，深度學習方法能夠更全面、靈活地分析FOQA數(shù)據(jù)，提高異常行為的檢測精度。文章提出的TAGDNet是用于FOQA數(shù)據(jù)多類別異常檢測的創(chuàng)新框架，包括時序卷積網(wǎng)絡、圖神經(jīng)網(wǎng)絡和分層圖池化等關(guān)鍵組件。（剩余12131字）