一种基于动态图神经网络的飞行安全事件预测方法

本发明属于飞行安全预测预警领域，涉及一种基于动态图神经网络的飞行安全事件预测方法，包括：S1.设计多尺度时间变量编码器，捕获飞行数据中的局部和扩展的时空信息，用于处理多元时间序列数据；S2.构建空间‑时间建模模块；S3.构建特征聚合与分类模块，以准确分类多变量时间序列；S4.最后，通过可视化样本航班的关键飞行参数进行案例研究，以展示模型的有限性，并揭示造成超限事件的根本原因。本发明通过结合多尺度时间卷积网络与动态图神经网络，充分挖掘与利用飞行数据QAR中丰富的时空特性，显著提升了飞行安全事件，特别是重着陆和擦机尾风险的同时预测准确性和实时性。