2022年12月，西南航空在假日旅游旺季遭遇航班调度危机，导致超过200万乘客滞留，损失高达7.5亿美元。这场危机最初由丹佛地区的严寒天气引发，随后蔓延至整个航空网络。麻省理工学院(MIT)的研究人员对此进行了深入研究，旨在找出系统故障的根本原因，并开发出一种新的计算系统以防止未来类似故障的发生。

MIT的研究团队由博士生Charles Dawson、航空航天学教授Chuchu Fan及哈佛大学和密歇根大学的同事组成。他们开发的计算系统利用罕见故障事件的稀疏数据与正常运行的更多数据相结合，进行逆向分析，以找出故障的根本原因。该研究成果已于4月24日至28日在新加坡举行的国际学习表征会议(ICLR 2025)上发表，论文可在arXiv预印本服务器上获取。

道森表示：“这项工作的动机在于，当我们与复杂系统交互时，很难理解幕后发生的问题。”范教授则指出，新研究建立在她实验室先前关注假设性故障预测问题的基础之上，旨在将其转化为一种可用于实际系统的诊断工具。

研究团队发现，西南航空航班调度危机的关键在于备用飞机的部署方式。由于西南航空不使用枢纽机场，其备用飞机在网络中分布较为分散，这在危机演变中扮演了重要角色。研究人员通过分析飞机抵达、起飞和延误的公开数据，推导出飞机储备中可能隐藏的参数，从而解释了观察到的现象。

范教授表示，他们的方法能够反向运行调度系统模型，通过观察结果回溯了解哪些初始条件可能产生了这些结果。这有助于催生一个实时监控系统，不断将正常运营数据与当前数据进行比较，并确定未来趋势，从而采取先发制人的措施。

目前，范教授的实验室正在开发此类系统，并已推出一款名为CalNF的开源工具，用于分析故障系统。道森则致力于将这项研究开发的方法应用于理解电网故障。

更多信息： Charles Dawson 等人，基于自正则化正则化流的稀有事件建模：我们能从单一故障中学到什么?，arXiv (2025)。期刊信息： arXiv