故障树和模糊贝叶斯网络在管廊运维风险评估中的应用研究

地下综合管廊是城市的生命线,一旦出现问题就会对人们生命财产安全造成巨大损害。为了系统地分析管廊运维风险,建立了基于模糊贝叶斯网络的风险评估框架。首先,通过分析管廊运维风险源与风险形成的原因以确定风险事件和风险类别;其次,建立管廊运维风险故障树来梳理风险因素之间的逻辑关系,将故障树映射为贝叶斯网络;最后,结合专家模糊评价,构建地下综合管廊运维风险评估模型。案例分析结果显示:中间事件“火灾、爆炸”与“危害气体浓度过高”的发生概率较高。敏感性分析结果显示:“运维人员操作和维护不当”是导致管廊运维风险发生的根本事件,因此需要制定严格管理措施及规范,加强对运维人员的素质培训,以降低管廊运维过程中各种风险的发生概率。

改进贝叶斯网络模型在起重作业人机交互差错风险分析中的应用

为量化分析起重作业人机交互差错风险,根据安全工效学原理及安全技术规范将起重作业人、机、环相关影响因素作为根节点,按照事故致因层次关联关系确定子节点,构建起重作业人机交互差错的3层级贝叶斯网络模型(Bayesian Network, BN);基于模糊集理论,采用认知可靠性与失误分析方法(Cognitive Reliability and Error Analysis Method, CREAM),厘定贝叶斯网络父节点失效概率以及中间节点条件概率;利用逆向推理仿真技术分析起重作业人机交互差错发生的因果链,探究起重伤害事故发生的人机交互差错风险。结果表明:起重作业人机交互差错最可能致因链为起重设备安全检查不到位→管理人员失误→人员操作失误→起重伤害事故发生;单因素失效条件下,起重作业人机交互差错风险概率呈线性增长趋势;在多因素失效条件下,一级节点因素失效概率愈大则人机交互差错效应愈显著,且呈现非线性增长态势。

基于动态贝叶斯网络的装配式建筑吊装施工安全风险分析

针对装配式建筑吊装施工期间风险影响因素多、不确定性高及风险状态随时间动态变化等问题,提出基于动态贝叶斯网络的装配式建筑吊装施工安全风险动态分析方法。首先,根据装配式建筑吊装施工特点和事故致因理论,从“人、物、环、管”4个方面建立风险指标体系。其次,引入时间维度建立动态贝叶斯网络模型,利用模糊理论和专家打分法量化网络节点的概率,并结合Leaky Noisy-or Gate扩展模型修正条件概率。最后,利用动态贝叶斯网络的双向推理功能对装配式建筑吊装施工安全风险进行动态风险分析。由实例分析得到某装配式建筑吊装施工安全风险的时序变化曲线,通过反向推理得到导致吊装事故发生的关键风险因素。研究成果可为分析和有效控制装配式建筑吊装施工安全风险提供新思路。

改进贝叶斯网络在变压器故障诊断中的应用

针对变压器故障诊断精度低的问题,文中提出一种基于改进黏菌优化算法(Improved Slime Mould Algorithm,ISMA)优化贝叶斯网络(Bayesian Network,BN)的变压器故障诊断方法。通过爬山算法对定向最大支撑树搜索得到贝叶斯网络初始结构即初始种群,在改进黏菌优化算法中引入反向学习策略,增加种群多样性。添加正弦-余弦算法(Sine Cosine Algorithm,SCA),更新解的位置以避免种群陷入局部最优。根据改良的无编码比值法选取变压器故障状态的特征,利用改进黏菌优化算法优化贝叶斯网络结构,提高基于贝叶斯网络的变压器故障诊断的准确率,并利用不同种类的测试函数验证了改进黏菌优化算法具有收敛速度快、收敛精度高的优良性能。仿真结果表明,ISMA-BN诊断模型的训练集和测试集准确率分别为98.2%和97.14%,具有一定的研究价值。

基于贝叶斯网络的拉线塔安全性评估方法

针对拉线塔安全性的影响因素众多,安全评估受主观性影响较大的问题,提出一种基于贝叶斯网络的输电拉线塔安全性评估方法。该方法根据故障树进行构建贝叶斯网络模型,利用拉线塔实际检测数据获取根节点故障状态及其概率,克服了根节点故障概率难以获取的问题。基于贝叶斯网络因果推理,实现拉线塔故障概率计算、致灾因子识别以及故障诊断,实现对拉线塔安全性的分析。通过实例分析表明:基于贝叶斯网络的拉线塔安全性评估方法克服了传统综合评价法主观性强的问题,评估结果与运行情况的一致性较强,可作为拉线塔安全评估的决策工具。

一种用于变压器故障诊断的贝叶斯网络优化方法

针对变压器故障诊断效率低的问题,文中将油中溶解气体分析与人工智能方法相结合,提出了一种改进蝗虫优化算法优化贝叶斯网络的变压器故障诊断方法。利用差分进化算法和与模拟退火算法对蝗虫算法进行改进,提高了算法的优化能力。将改进蝗虫算法应用于贝叶斯网络结构来学习构建变压器故障诊断模型,利用所提方法对变压器进行故障诊断。实验结果表明,该方法诊断正确率达到了92.7%,与其他算法所构建的诊断模型相比具有更高的故障诊断准确率。

融合案例挖掘与贝叶斯网络的溃坝事故致因风险分析

为了更加深入、全面探究溃坝事故致因风险发生机理,提出了融合历史溃坝事故案例挖掘与贝叶斯网络的溃坝事故致因风险计算方法。该方法在采集国内外大量历史溃坝事故案例的基础上,采用24Model识别和提取溃坝事故致因及致因链,构建了溃坝事故致因拓扑结构,利用贝叶斯正向因果推理计算了溃坝发生概率,并结合反向诊断推理分析溃坝成因机理,基于贝叶斯敏感性分析挖掘影响溃坝关键风险因素。结果表明:在人为因素方面,闸门控制问题比例较高;在管理因素方面,施工问题、运维管理缺陷、设计问题是溃坝重要间接诱因;洪水漫顶、渗透侵蚀和渗透管涌是导致溃坝的主要风险因素。

基于数据驱动贝叶斯网络的化工事故风险分析

为减少化工厂风险分析中的主观干预,基于关联规则和贝叶斯网络构建1种数据驱动风险分析模型。该模型涵盖3个任务项,分别为数据集项、关联规则驱动项和贝叶斯网络风险评估项。首先,收集事故报告和事故因素构建事故数据库;其次,将事故数据导入Apriori算法,并根据关联规则的因素相关性确定贝叶斯网络和条件概率表结构;然后,基于事故因素出现频率计算先验概率和条件概率,并采用Fussel-Vesely计算事故因素的敏感度;最后,收集94起危险化学品中毒窒息事故实例,运用数据驱动风险分析模型评估事故因素的影响大小。研究结果可为减少和避免化工事故提供一定参考,有助于提高相关企业的整体安全水平。

基于贝叶斯网络的结构易损性智能推理

为实现结构易损性的智能化推理,提出以贝叶斯网络(Bayesian networks,BNs)重构桁架结构的易损性分析体系。首先,分别定义外荷载、体系和杆件为网络顶层父节点、中间节点和底层子节点,节点间通过有向弧表示因果关系,形成BN拓扑;接着,提出以杆件“大损伤”替代传统的“概念移除”方式,考虑杆件参数及外荷载的不确定性,结合抽样实现对节点间条件概率表的学习,完成BN的构建;然后将特定杆件的观测状态作为证据输入BN,同步推理其他杆件的节点状态概率,进而计算杆件的重要性系数,并定义所有杆件的重要性系数之和为体系的易损性系数;最后,提出杆件易损指标,作为预测桁架体系最可能失效路径的依据。研究结果表明:所提方法能更合理地评价各杆件在体系中的重要性,推理得到的杆件破坏路径与试验观测一致,所计算的试验桁架体系易损性系数远小于杆件数目,表明当前荷载组合下特定杆件的损伤引起体系发生连续性倒塌的可能性较小。

粤港澳大湾区内地城市群路网韧性的贝叶斯网络评估

随着我国城市化进程的推进,城市路网的韧性问题愈发凸显。构建了一种基于贝叶斯网络模型的城市路网韧性评价模型,并以粤港澳大湾区内地城市群为例,评估了2000—2019年该地区9个城市的路网韧性。基于韧性功能函数从容灾性、稳定性、重构性、恢复性4个方面建立功能层,选取稳定性、可变性、可维护性、可靠性、服务性、安全性、鲁棒性、可修性、适应性9个因素建立性能层,选取客运量、公共汽车数量、道路面积率、出租车数量、交通事故死亡人数、公共交通投资、每万人公共汽车数、道路运输从业人数、人均道路面积9个因素建立因素层。研究结果表明:路网韧性指数最高的为深圳(60%),而最低的为中山(43%);广州、深圳、珠海、东莞的路网韧性一直稳定增长,其余城市的路网韧性浮动较小;路网韧性并非总是随着城市GDP的增长而提高,还与人均GDP有关;敏感性分析表明,路网重构性、路网可靠性、交通事故死亡人数分别为各自所在层中对路网韧性影响最大的因素;加强中心城市与其他城市之间的联系可以提高城市路网韧性。研究成果可为粤港澳大湾区城市群交通路网功能完善与韧性提升提供技术参考。

多种残差补偿的贝叶斯网络下的短期交通预测

为了解决道路车流量的数据生成条件时变场景下的交通预测问题,本文建立道路交通控制与交通流预测数据之间的联系,提出一种基于多种残差补偿的贝叶斯网络的短期交通预测方法。提取城市中大规模多路口主干道车道及车辆信息构造多个平行的贝叶斯网络,使用贝叶斯关系及期望最大化算法进行短期交通预测。再通过数据自相关残差补偿、车辆换道和多路口连通性的线性残差补偿提高了预测的精度,解决了传统研究对相邻路口和换道导致的误差等因素处理能力不足的问题。仿真结果表明:使用贝叶斯网络预测交通流,并基于车辆行为的残差进行精度补偿,可以更准确地预测复杂的交通演化场景的短期交通流。

基于故障树和贝叶斯网络的管廊运维风险评估

城市地下综合管廊在运维过程中事故时有发生,为了量化管廊运维风险并分析关键风险因素,提出一种基于故障树和模糊贝叶斯网络的城市地下综合管廊运维风险评估方法。在综合考虑管廊风险因素的基础上构建故障树模型,将其映射为贝叶斯网络。基于ALARP准则划分风险因素状态等级,根据模糊数和模糊子集计算底事件的发生概率,利用最大似然估计法求解中间事件的条件概率,构建管廊运维风险贝叶斯网络模型,精准评估城市地下综合管廊运维风险。结果表明:所评估的管廊运维过程风险等级为High的概率为28%,接近30%的风险阈值,因此需要及时对管廊风险进行管控。该方法能够科学、合理地评价风险水平并确定关键因素,可为管廊运维安全保障和管理提供参考。

基于模糊贝叶斯网络的低空无人机运行风险评估

为解决目前城市低空环境下的无人机(UAV)运行安全风险问题,利用模糊贝叶斯网络(FBN)识别和评估低空无人机运行的关键风险因素。首先,在分析低空无人机运行流程基础上,从人-机-环-管角度分析低空无人机运行过程的风险因素。随后,利用GeNIe软件构建低空无人机运行风险评估贝叶斯网络(BN),利用专家先验知识和模糊集量化分析底事件的先验概率。最后,开展单因素分析、双因素分析以及敏感性分析,并以实例验证网络可行性。研究结果表明:低空无人机运行的关键风险因素为无人机电池故障、运行航线的环境障碍物以及无人机运行监管技术;FBN反向推理分析结果显示,环境相关风险(79%)、无人机设备风险(60%)是无人机运行过程主要风险因素。

飞机雷雨情景着陆冲偏出跑道的贝叶斯网络风险分析

为解决飞机雷雨情景下着陆冲偏出跑道风险因素之间关系不清且量化程度不足的问题,提出一种融合文本挖掘与贝叶斯网络的飞机雷雨情景着陆冲偏出跑道风险量化分析模型。首先,通过136起事故报告建立语料库,构建潜在狄利克雷分配(Latent Dirichlet Allocation,LDA)模型并对文本进行挖掘以提取关键词,进而形成包含3个一级指标和26个二级指标的风险分析指标体系;其次,采用因果效应公式确定节点优先次序,并运用K2算法和期望最大(Expectation Maximization Algorithm,EM)算法分别学习贝叶斯网络的结构和参数;最后,使用贝叶斯网络模型对飞机冲偏出跑道事故数据进行算例分析,计算风险因素的发生概率并分析事故与风险因素间的灵敏度。研究结果显示:飞机在雷雨情景下着陆时更倾向于由跑道末端冲出跑道;导致飞机冲出跑道的主要风险因素为道面积水、飞机空中平飘过长以及进场过高;导致飞机偏出跑道的主要原因为跑道过窄及滑跑方向偏离。研究表明了贝叶斯网络(Bayesian Network,BN)模型用于飞行事故风险因素分析的可行性,为飞机在雷雨天气下的运行管理、风险处置策略提供了重要参考。

基于混合简化粒子群算法的贝叶斯网络结构学习研究

为改善当前贝叶斯网络结构学习算法易陷入局部最优、过早收敛和寻优效率低的问题,进行了混合简化粒子群算法优化贝叶斯网络结构学习的研究。该算法利用最大支撑树约束搜索空间,并提出V-结构与条件相对平均熵相结合的初始定向策略,然后利用爬山策略建立初始粒子群,再利用改进的粒子群优化算法和遗传算法对初始种群迭代优化,在迭代过程中提出条件交叉和变异策略避免粒子的随机发散更新,并结合副粒子增缓策略更新未优化粒子,避免算法陷入局部最优。该算法与其他算法在4种标准网络下进行了仿真实验。实验结果表明,所提算法在ASIA、CAR、CHILD、ALARM网络中相比于MMHC、GS、BNC-PSO、PC-PSO算法BIC评分分别平均高5.775%、5.8%、0.475%、2.75%;汉明距离HD更低,正确率ACC更高。

基于贝叶斯网络的地下供热管线失效因素分析

本文统计地下供热管线事故案例214起,通过分析识别以及归纳化简,提取出22个影响因素,将其作为事件代入故障树模型中,根据转化关系得故障树一贝叶斯拓扑结构,在HuginLite软件中进行可视化处理,通过反向推理分析事故成因。结果表明导致管线泄漏失效事故发生的最主要直接影响因素为腐蚀穿孔,其他直接因素按概率重要程度排序依次为外力破坏、疲劳开裂、附属设施损坏。导致四周直接影响因素发生的因素分别为内保护层失效、施工破坏、管道存在施工设计缺陷、阀门损坏。

基于改进DS证据理论和贝叶斯网络的海运供应链风险评估

作为一个复杂的网络组织,海运供应链为全球产业链提供运输服务,在全球化大背景下,海运供应链面临众多风险与挑战,影响供应链的安全平稳运行。因此,研究其风险至关重要。针对海运供应链风险评估体系中影响因素的不确定性和专家知识推断中存在的主观性,文章提出了基于改进DS证据理论和贝叶斯网络的海运供应链风险评估模型。结果表明,海运供应链处于较高风险等级状态,其中“信息系统风险”和“外部环境风险”概率较高,需要重点关注。该模型可以从系统的角度评估海运供应链风险,切实增强风险评估工作的科学性、准确性;评估结果可为供应链上的参与者进行风险管理提供有效参考。

基于客户消费习惯的贝叶斯网络的分类算法

面对大量用户的通信消费数据,如何对其进行挖掘从而获得有价值的信息,对客户进行分类,并制定不同的服务策略,是当前通信企业面临的一个普遍问题。本文介绍了几种常用的文本分类算法,通过分析用户的消费行为数据,选取了朴素贝叶斯分类预测算法、贝叶斯网络分类预测算法和决策树分类预测算法对用户进行分类,实验结果表明贝叶斯网络分类预测算法对于用户通信消费数据具有较好的分类效果。

基于贝叶斯网络的卫星通信设备故障诊断研究

卫星通信作为保障平台遂行任务时重要的通信保障手段,使得卫星通信设备需在出现故障时能快速定位问题并解决问题具有重要意义。论文基于贝叶斯网络进行卫星通信设备故障诊断,构建故障诊断模型,并使用贝叶斯工具Neti-ca软件对该模型进行了分析,得出卫星通信设备出现故障时设备部件可能发生故障的概率,结果表明该方法可为卫星通信设备故障的快速定位提供依据,提升卫星通信设备故障诊断效率,支撑任务顺利遂行。

基于贝叶斯网络理论的空气质量分析与预测

为科学构建空气质量监测体系,提升空气质量预测精度,基于海量监测数据的不确定性,提出了一种基于贝叶斯网络的方法来预测空气质量指数AQI及相应的等级。以合肥市为研究对象,首先利用朴素贝叶斯分类算法来预测空气质量等级,训练得到待验样本的分类准确率为85%,由于该算法的条件独立性假设过于严格,进一步引入贝叶斯网络模型实证研究,基于后验概率分布训练得到预测结果。仿真实验表明待验样本的AQI预测平均绝对百分比误差为6.89%,空气质量等级分类准确率为90.28%,说明贝叶斯网络具有良好的预测效果,能为空气质量预测预报提供技术支撑,助力城市空气质量改善。