مدلسازی سوانح هوایی ناشی از دست دادن کنترل پرواز بالگرد با استفاده از رویکرد مبتنی بر حالت

دراین مقاله به مهمترین دلایل وقوع سوانح هوایی بالگرد پرداخته شده‌است. برای بررسی این سوانح ازداده‌های سوانح هوایی که درایران به وقوع پیوسته وهمچنین داده‌های موجوددرسازمان ایکائواستفاده گردید.تاکنون تلاش‌های تحقیقاتی بسیاری برای درک دلایل وقوع سوانح انجام‌ شده‌است که بسیاری ازآن‌هاازگزارشات وداده‌های سازمان هوانوردی بین‌المللی،ایکائو،استفاده می‌کنند.متاسفانه،درحالی‌که این مطالعات انواع مختلفی ازعوامل سوانح رخ داده رامعرفی می‌کنند(مانند،از دست دادن کنترل پرواز)،امااکثرآن‌هانمی‌توانند علت اصلی بروزاین سوانح راشناسایی کنند.در کشورماتلاش‌های مختلفی دراین زمینه انجام شده امامورد توجه اساسی قرارنگرفته‌است،که این موردسبب شده‌است تانتایج روشن وقابل استنادچندانی ازدلایل اصلی سوانح درایران دردسترس نباشد.همچنین سوانح هوایى درایران به ویژه دردودهه اخیر کاهش معنى دارى رادر تعداد سوانح ویا تلفات ناشى از آن‌ها نشان نمى‌دهدکه این امر موجب بروز نگرانی‌هایی شده‌است. در این مقاله برای درک بهتر دلایل وقوع سوانح، یک رویکرد مبتنی بر حالت برای بررسی شکاف‌های منطقی موجود یا موارد نادیده گرفته شده ارائه می‌شود. به این منظور در نرم‌افزار استاتیستیکا یک برنامه نوشته شده که به‌طور خودکار حالت‌ها، نشانه‌ها و کدهای اطلاعات مربوط به سوانح را در پایگاه داده شناسایی کرده و سوابقی که به‌طور بالقوه پر از اشتباهات است را مورد بررسی قرار می‌دهد. تجزیه و تحلیل مبتنی بر حالت نشان می دهد پرت شدن حواس خلبانان به اشیاء محیط اطراف اغلب باعث از دست دادن کنترل پرواز شده است (16.7%) که به‌طور مستقیم از تجزیه و تحلیل‌های معمولی قابل تشخیص نیست. در روش ارائه شده از مدلسازی مبتنی بر حالت استفاده شده که روشی نوین در این حوزه است همچنین ابزار یادگیری ماشین برای دستیابی به نتایج مطلوب‌تر بکار رفته‌است.

A State-Based Approach to Modeling Air Accidents Caused by Loss of Flight Control

In this research,the most important causes of helicopter accidents are discussed.For this aim,the data of aviation accidents that occurred in Iran and the data registered in ICAO are used.Several research efforts have been directed towards betters understanding the causes of accidents.Many of these efforts use ICAO accident reports and data.Unfortunately,while these studies easily identify the top types of accidents(e.g.,inflight loss of control (LOC)),they usually cannot identify why these accidents are happening.Most ICAOnarrative reports for accidents are very short(many are only one paragraph long),and do not contain much information on the causes(likely because the causes were not fully identified).Unfortunately,in our country, the efforts made in this field for various reasons have not been given much attention so far,which has led to the lack of clear and citationable results of the correct causes of aviation accidents.Aviation accidents in Iran,especially in the last two decades,do not show a significant reduction in the number of accidents or casualties.To better understand the causes of aviation accidents,this study offers a statebased approach to examining existing logical gaps or neglected cases and a computer program(in STATISTICA)that automatically builds states,signs,and information codes related to accidents These rules also help identify and count causes for accidents that were not discernable from previous analyses of historical accident data.Statebased approach shows that distraction of pilots to objects in the environment often results in loss of flight control(16.7%),which is not directly distinguishable from conventional analysis.Statebased modeling is a new method in this field.Also,machine learning tools are used to achieve more desirable results.