基于有向图故障树自动建树方法的规范化描述及其应用研究

基于有向图的建树方法是目前故障树自动建树研究中最常用的方法之一 ,但其有效性多年来一直存在争议 ,其主要原因在于采用传统的专家定义的算子进行建树推理时 ,算子定义不规范 ,导致对系统复杂的控制结构适应能力不强 .该文利用人工智能的原理 ,对定性推理逻辑进行了必要的扩展 ,提出了建树过程的形式化描述 ,在此基础上将故障树的建树问题转化为一个约束满足问题 (CSP) ,从而可利用比较成熟的算法来解决上述问题 .针对实际问题的例证说明了这一过程 .研究表明 ,文中所提出的方法更便于计算机自动处理 ,减少建树过程中的人为失误 ,可有效地提高故障分析效率 .

多状态系统的LAD决策树的建树方法研究

LAD( Logistic Data Analysis Tree)是一种逻辑数据分析技术 ,它将布尔代数和优化分析方法引入到了判别分析领域 ,提出了一种布尔变量集合的变量筛选和建模方法 ,并可以对冗余模式进行可视化识别与删除 .但目前的 LAD技术还仅限于二状态 ,而且算法复杂 .本文将 LAD决策树推广到了多状态情形 ,以三状态下建立 LAD决策树为例 ,提出了不可分辨度的定义 ,并以其下降最大作为寻找最优决策树的依据 .说明多状态下建立 LAD决策树的计算方法及重要的算法步骤 .最后 ,本文以鄱阳湖地区洪涝灾害影响研究为案例 ,采用 LAD决策树方法对其进行判别分析 .

拓扑树间的通经拓扑距离

给出了一种新的系统树间的拓扑距离。使用NJ、MP、UPGMA等 3种方法对 13种动物的线粒体中 14个基因 (含组合的 )DNA序列数据进行系统树的构建。利用分割拓扑距离和本文给出的通经拓扑距离对这 14种系统树之间及其与真树进行比较。结果显示 ,NJ法对获得已知树的有效率最高 ,MP法次之 ,UPGMA法最低。这 14种DNA序列所构建的系统树与已知树的拓扑距离基本上是随其DNA序列长度增加而减小 ,但两者的相关系数并未达到显著水平。分割拓扑距离在总体上可反映树间的拓扑结构差异 ,但其测度精确度比通经拓扑距离要低。