基于知识图的航空事故因果分析:一种融合检索增强生成与提示工程的混合方法
《Aerospace》:Knowledge Graph-Based Causal Analysis of Aviation Accidents: A Hybrid Approach Integrating Retrieval-Augmented Generation and Prompt Engineering
【字体:
大
中
小
】
时间:2025年12月25日
来源:Aerospace 2.2
编辑推荐:
摘要
对调查报告中记录的历史航空事故进行因果分析,对于飞机的设计、制造、运营和维护具有重要意义。然而,由于大多数事故数据是非结构化或半结构化的,因此识别和提取因果信息仍
摘要
对调查报告中记录的历史航空事故进行因果分析,对于飞机的设计、制造、运营和维护具有重要意义。然而,由于大多数事故数据是非结构化或半结构化的,因此识别和提取因果信息仍然是一项劳动密集型且效率低下的任务。这一问题因某些任务(如从组件信息中识别系统)需要大量的领域特定知识而变得更加严重。此外,还存在着对多起事故之间的因果模式分析以及提取关键因果链的需求。为了解决这些难题,本研究提出了一个航空事故因果关系分析框架,该框架将prompt工程技术与检索增强生成方法相结合。研究人员分析了来自NTSB的343份真实事故报告,以提取因果因素及其相互关系,并开发了一种创新的因果分类方案对提取出的因果关系进行聚类。对于四大主要因果类别(人为因素、飞机因素、环境因素和组织因素),聚类准确率分别达到了0.958、0.865、0.979和0.903。基于聚类结果,构建了一个航空事故因果知识图谱,并通过设计一套安全评估指标,确定了“飞行员决策错误”和“起落架系统故障”为高风险因果因素。对于每个高风险因果因素,都识别出了关键的因果链组合;以“飞行员决策错误”为例,其关键因果链组合为“飞机操作员—政策或程序缺陷/飞行员—程序违规/跑道污染 → 飞行员决策错误 → 飞行员程序违规/32个起落架/57个机翼”。最后,根据分析结果提出了针对组织和人员的安全建议,为航空风险预防和缓解提供了实际指导。该方法展示了将人工智能技术与领域知识相结合的潜力,实现了可扩展的、数据驱动的因果分析,并加强了航空领域的主动安全决策。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号