摘要：应用差分自回归移动平均模型（ARIMA）、最小二乘支持向量机模型(LS-SVM)和BP神经网络模型（BPNN）的组合模型，对某航空公司运输的月度飞行事故征候万时率进行预测分析。首先，利用2008—2016年某航空公司的事故征候、飞行小时、航空器数量、原油价格等历史数据建立ARIMA模型，应用SPSS软件进行模型拟合，获取飞行事故征候万时率的线性部分；然后，利用LS-SVM和BP神经网络建模，获取飞行事故征候万时率的非线性部分；最后，利用DS证据理论，实现三者的融合，获得ARIMA+LS-SVM+BPNN组合模型，利用组合模型对2017年1至3月该航空公司的月度飞行事故征候万时率进行预测，并用实际数据进行了验证。结果表明：组合模型较好地拟合了飞行事故征候万时率的历史序列，并获得了较高的预测精度；组合模型的短期（3个月）预测值与该航空公司飞行事故征候万时率的变化趋势完全一致，且预测精确度可接受。该研究可为航空公司安全与运行的趋势分析与判断提供数据依据，也可为航空公司制定针对性的飞行事故征候防控方案提供帮助。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社