فهرست نشریات علمی دسترسی آزاد ایران

ایمنی پرواز و کاهش سوانح هوایی همواره از مهم‌ترین دغدغه‌های صنعت هوانوردی و نهادهای مرتبط به شمار می‌رود. این پژوهش با هدف تحلیل آمار توصیفی، استنباطی و پیش‌بینی شدت سوانح هوایی با استفاده از مدل‌های یادگیری ماشین انجام شده است. داده‌های پژوهش شامل سوانح هوایی با متغیرهایی چون مرحله پرواز، نوع موتور، نوع ریسک، نوع وسیله پرنده و تعداد موتورها است. در مرحله نخست، تحلیل‌های توصیفی و استنباطی نشان دادند که بین شدت سانحه و عواملی فنی و‌ محیطی رابطه معناداری وجود دارد. سپس، برای پیش‌بینی سوانح منجر به مرگ و میر از مدل‌های رگرسیون لجستیک، درخت تصمیم، جنگل تصادفی و درخت تقویت یافته شدید استفاده شده است. نتایج ارزیابی عملکرد نشان داد مدل XGBoost با دقت ۰٫876 و حساسیت ۰٫676 بهترین نتایج را ارائه کرده است. این یافته بیانگر برتری مدل‌های یادگیری ماشین نسبت به مدل‌های آماری سنتی در تحلیل الگوهای پیچیده سوانح هوایی است. نتایج این پژوهش می‌تواند مبنایی برای ارتقای ایمنی پرواز و کاهش ریسک سوانح در سازمان‌های هوانوردی باشد.