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。

基于动态贝叶斯网络的医院骨科设备运行风险评估研究

目的:基于动态贝叶斯网络(DBN)构建风险识别模型,探讨其在医院骨科设备运行管理中的应用价值。方法:基于DBN模型识别骨科设备管理中的风险因素,建立风险评价指标集,对可能出现的风险因素进行预警和防范。选取2020年1月至2022年2月空军军医大学第二附属医院临床在用的12台骨科医疗设备,分别采用传统骨科设备质量运行管理方法(简称传统管理模式)和基于DBN的风险识别模型进行设备管理(简称DBN管理模式),比较两种管理模式的设备运行效果、风险发生率和治疗有效率。结果:采用DBN管理模式的设备开机运转效率和设备质量合格率分别为(93.54±4.05)%和(97.51±6.68)%,均高于传统管理模式,故障处理时长和设备零部件损坏率分别为(7.14±1.64)h和(0.48±0.11)%,均少于传统管理模式,其差异有统计学意义(t=8.862、8.228、32.994、73.047,P<0.05);采用DBN管理模式的479份设备使用资料、897例手术、300例设备消毒记录和500份设备日常检查记录中设备功能故障率、零部件破损率、清洁消毒不合格率和设备管理不当发生率分别为0.21%(1/479)、0.33%(3/897)、1.33%(4/300)和2.0%(10/500),均低于传统管理模式,其差异有统计学意义(χ^(2)=21.527、12.964、3.485、6.914,P<0.05);采用DBN管理模式的500例骨科医疗设备治疗有效率为97.8%(489/500),显著高于传统管理模式,其差异有统计学意义(χ^(2)=12.617,P<0.05)。结论:基于DBN的风险识别模型应用于医院骨科医疗设备管理,能够加强骨科设备管理质量,提升设备运行和治疗有效率,预防和规避设备风险。

基于动态贝叶斯网络的民航空中停车事件安全风险评估

为探究组织和人的因素对发动机空中停车事件的影响及其演化情况,评估航空公司空停事件的风险水平,基于动态贝叶斯网络(DBN),构建一种适用于民航空停的风险评估模型。首先,运用主动与被动相结合的方式,识别影响发动机发生空停事件的组织和人的因素;其次,利用毕达哥拉斯模糊和决策试验与评估实验室(DEMATEL)方法,探究各个风险因素之间的因果关系;然后,基于得到的风险因素因果关系构建民航空停DBN,依据统计分析和专家经验确定民航空停的DBN参数,通过GeNle概率推理,进一步得出空停事件发生的概率;最后,以S航空公司的CFM56-5B发动机为例,评估民航空停事件安全风险。结果表明:2020—2021年,S航空公司的CFM56-5B发动机发生空停事件的概率分别为1.260×10^(-6)、1.352×10^(-6);导致民航空停事件安全风险变化的主要原因是资源投入减少导致教育培训效果降低进而影响作风意识和合作沟通。

基于动态云贝叶斯网络的气化炉风险预测

针对目前气化炉系统存在的风险等级分析不足问题,提出一种云模型和动态贝叶斯网络(DBN,Dynamic Bayesian Network)相结合的评估方法。以气化炉系统为评估目标,利用云模型将连续型数据离散化,将评价体系中的各个风险因素设为动态贝叶斯网络中的节点,构建动态贝叶斯网络。利用熵权法计算各风险指标权重,并采用最大似然估计的方法处理云模型得到的隶属度,将以隶属度–概率转换方法得到的概率作为证据输入动态贝叶斯网络中,最后利用动态贝叶斯网络的正、反向推理特点,结合重要度综合分析,完成针对气化炉系统的风险预测评估。研究表明,维修效率、设备完整度、气化炉压力及氧煤比是系统运行中需要重点关注的薄弱环节。

加氢站泄漏燃爆事故的动态贝叶斯风险分析

针对加氢站氢泄漏燃爆事故风险分析中不确定性、复杂性和时间序列动态性的问题,提出了一种新的加氢站氢泄漏燃爆事故动态风险分析方法。该方法基于动态贝叶斯网络建立,利用GM(1,1)灰色预测和模糊集理论构建先验概率模型,能够在概率数据缺失的条件下,依据加氢站风险规避能力的时序变化规律,实现风险因素先验概率的预测。引入Leaky Noisy-or gate模型、Markov假设处理动态贝叶斯网络条件概率的不确定性,使模型更加客观。该方法适用于实际工况下事故后果概率的短期预测。以某加氢站为应用对象,验证了方法的合理性,通过定量分析、诊断分析、敏感性分析和影响强度分析分别得到了“喷射火”等事故后果概率及其时序变化曲线、“管线防腐失效”等关键风险因素、“高压氢气管路失效”等高敏感性风险因素、泄漏燃爆事故关键致因链,并依据风险因素影响模式提出了针对性管理对策。

基于动态贝叶斯网络的动车组牵引传动系统可靠性分析

针对传统可靠性分析方法对动车组牵引传动系统可靠性分析时存在的局限性,采用动态贝叶斯网络(DBN,Dynamic Bayesian Network)对其进行可靠性分析。建立动车组牵引传动系统的动态故障树,按照DBN转换规则,将动态故障树映射为DBN;综合考虑动车组牵引传动系统的动态特性和可维修性,利用DBN的正向推理得到系统可靠度和可用度随服役时间动态变化的规律,利用DBN的反向推理识别系统薄弱环节。对实例进行分析,结果表明:DBN能够全面刻画动车组牵引传动系统的动态特性和可维修性,有效地识别系统薄弱环节,可为运行风险评估和可靠性评估提供参考依据。

基于动态贝叶斯网络的船舶溢油风险预报

为有效管理海洋环境污染,需要识别船舶溢油风险(SOSR)因素,并研究其对事故后果影响的动态特性。在辨识SOSR的基础上,构建危险源网络图,并考虑其动态性。建立动态贝叶斯网络(DBN)预报模型。运用该模型,量化SOSR因素与溢油事故的可能性和后果之间的逻辑组合关系,推理风险变量的后验概率,并获取风险因素时间状态转移效果和溢油事故与事故后果的时序变化规律。以某港口1999—2012年间船舶溢油事故数据为基础,运用模型分析表明:船舶溢油事故风险波动性很强,重大溢油事故的风险现阶段不稳定性突出,相对风险值为-41%～53%,溢油事故有扩散性和自繁衍特征。

基于动态贝叶斯网的航班延误传递分析

为对航班延误传递的特性进行研究,采用动态贝叶斯网络对延误传递过程进行分析。在动态贝叶斯网络结构确定的条件下,不同的参数学习方法效果不同,以似然函数作为度量准则,比较两种不同的参数学习方法在相同数据集下的学习结果,在较好的学习结果上,对航班延误传递的特性进行分析。分析结果表明,当上游航班发生延误时,若飞机过站时间充分,大多数情况下延误可被吸收,为航班延误传递的关键环节过站时间的设置提供了很好的参考;航班延误传递是一个非稳态过程,当延误在传递的过程中时,延误时间的不确定性是逐渐增大的,预测准确的可能性是逐渐减小的。

1(1/2)片联合树算法在动态贝叶斯网精确推理中的应用

基于动态贝叶斯网络处理动态不确定性问题的过程中推理是非常重要的,而推理算法的优劣决定着推理的执行效率。该文提出一种较简单的112片联合树算法,在不需要限制消去顺序且只作一次扩展的条件下构造联合树,所以算法简单且具有较小的复杂度。

燃气管网外腐蚀事故DBN模型

为明确燃气管网服役中后期外腐蚀事故致灾机制规律及维护措施的有效性,有针对性地预防燃气管网外腐蚀泄漏事故,利用复杂网络(CN)理论与动态贝叶斯网络(DBN)相结合的方法,提取外腐蚀事故要素及事故链,整理并构建外腐蚀事故凝聚网络;通过度值分析筛选事故关键要素,在此基础上,将参数学习及Leaky Noisy-or gate修正模型联合,构建燃气管网外腐蚀事故DBN;根据不同失效场景,得到各动态要素及维护措施对管网失效的影响特征。结果表明:不同事故要素对管网失效的影响呈现差异性和阶段性,其中,老化、事故积累、化学腐蚀在管道服役中后期对管网腐蚀穿孔和管道破裂有显著影响,压力循环则主导服役中期的管道破裂事故。通过CN拓扑分析,可实现从整体角度出发对事故要素重要度的辨识;通过DBN的构建分析,能获得事故要素对事故后果的动态影响。

动态贝叶斯网络结构学习的依赖分析方法研究

针对现有动态贝叶斯网络结构学习方法具有低效率和低可靠性等问题,基于变量之间的基本依赖关系和依赖分析方法进行动态贝叶斯网络结构学习。建立变量之间依赖关系草图,通过条件独立行检验去除多余的边,使用碰撞识别和条件相对预测能力确定边的方向,便可得到构成动态贝叶斯网络结构的先验网和转换网。该方法在效率和可靠性方面均具有优势。

基于动态贝叶斯网的技术创新风险预警方法

技术创新是一项高风险活动,需要及时地识别、测度和预警风险。文章提出了基于动态朴素贝叶斯网的技术创新风险测度与预警模型,介绍了风险因素设置,贝叶斯网建模,风险判别与测度,风险预警以及风险诊断,并应用企业技术创新案例数据验证了模型的有效性。

基于动态贝叶斯网络的交通灯自主智能决策

现有交通灯大都采用定时控制,容易造成时间上的浪费甚至是交通堵塞,通过引入动态贝叶斯网络DBN,分析影响交通灯时间的因素,建立具有星型结构的交通灯自主智能决策模型.该模型能够依据十字路口车辆的动态信息,实时决策交通灯的时间,并通过仿真验证了该模型能够自主决策出最佳的交通灯时间,实现了交通管理的智能化.

动态贝叶斯网精确推理中联合树算法的改进

基于动态贝叶斯网络处理动态不确定性问题的过程中推理是非常重要的,而推理算法的优劣决定推理的执行效率。在分析联合树性质的基础上提出一种较简单的112片联合树算法,该算法不需要限制消去顺序且只做一次扩展。讨论了算法的复杂度、并做了试验比较。

基于动态贝叶斯网的炮兵战斗效果评估建模仿真

依据炮兵火力作战的特点规律,分析炮兵战斗效果评估的内容、程序、建模过程和影响因素,运用动态Bayesian网建立炮兵战斗效果评估模型,运用主成分分析方法确定评估专家权重,运用Poly Tree的消息传递算法进行评估网络推理分析,最后结合案例仿真验证。结果表明,该研究解决了情报信息不确定性、模糊性和动态性等影响战斗效果精确评估问题。

融合强化学习的DBN跑道侵入风险预测

为解决机场跑道侵入事件风险量化难度大、时效性差、精准性低等问题,提升跑道侵入风险预警能力,构建融合强化学习的动态贝叶斯网络(DBN)风险预测模型。首先,结合因果推断理论与灰色关联分析法分析跑道侵入历史事件,识别跑道侵入事件风险致因;其次,运用贝叶斯网络(BN)理论挖掘各风险因素间的关联性,并利用皮尔逊线性相关系数量化各因素间的关联关系,构建表征风险传播的致因关系网络;然后,利用三角模糊方法与隐马尔可夫模型(HMMs)优化DBN参数学习机制;最后,利用历史数据验证基于融合强化学习的DBN预测结果准确性。结果表明:基于融合强化学习的DBN预测结果与历史数据统计数值的拟合较好,准确率为84%,与单独DBN预测结果相比准确性提升10%;相比于采用度值评价法,通过互信息识别关键节点可有效提升预测准确率和区分度。

基于贝叶斯网的评价数据分析和动态行为建模

随着Web2.0的不断普及和电子商务应用的迅速发展,大规模的在线评价数据不断产生,使用户行为数据分析和用户行为建模成为可能,具有重要意义.考虑到用户评价数据和评价行为的动态性,提出以带有隐变量的贝叶斯网作为各属性间依赖关系及其不确定性表示的基本框架,构建既能刻画用户评价数据中各属性间相互依赖的不确定性、也能描述用户行为动态性的评价行为模型.首先,以贝叶斯信息标准(BIC)分值作为模型与数据拟合度的度量标准,提出基于打分搜索方法来构建各时间片的隐变量模型,并给出基于期望最大(EM)算法的隐变量取值填充方法;其次,基于条件互信息和时序的不可逆性,提出了相邻时间片间隐变量模型的构建方法.建立在MovieLens数据集上的实验结果验证了提出的动态用户行为建模方法的高效性及有效性.

基于动态贝叶斯网的双燃料船舶适航性评估

随着柴油-LNG双燃料船舶新型技术的兴起,迫切需要科学有效的方法对其进行适航性评估与安全监管。本文首先根据双燃料船舶的营运特点,从船舶动力丧失概率的角度分析和确定了适航性评估的内容、程序和建模方法。然后针对船舶使用双燃料和纯柴油两种工况下的失效模式特点,建立了相应不同结构的可靠性框图。最后基于可靠性框图建立了动态贝叶斯网络并计算了各节点的条件概率,解决了双燃料船舶适航性分析中的动态性,小子样、相关失效等难点。实例计算表明双燃料工况下由于共因失效冲击船舶动力丧失概率明显增大,验证了评估模型的正确性。

梯度化路由算法在无线传感器网络中的应用分析

无线传感器网作为一种全新的信息获取和处理技术,是当今社会研究与应用的热点。当移动目标到传感器所在的区域时,监控到目标与无线传感器网络连接,并将目标的位置传输给用户,这一过程一直是无线传感网中经典且最值得研究的问题。路由技术协同节点跟踪,参照并结合贝叶斯理论,选择网格的序列贝叶斯滤波法,利用Matlab平台,在其上创设建立网格序列贝叶斯低通滤波器仿真,并得到了最终的路由仿真模型图,促进了动态簇网格贝叶斯滤波法的定位。

一种基于动态贝叶斯网的视觉注意力识别方法

头部姿态估计是识别用户视觉注意力目标的主要依据.但在实际应用场合下,大范围头部姿态、低分辨率图像以及光照变化等因素使得可靠、准确的头部姿态估计难以实现.针对这些困难,提出一种基于动态贝叶斯网模型的视觉注意力目标识别方法.通过人脸图像与多个人脸姿态类别的相似度向量对头部姿态进行度量而不是显式的计算具体姿态值.模型融合多注意力目标、多用户位置、多摄像机图像等因素间的概率依赖关系并进行联合推理.智能厨房原型环境下的实验结果表明提出的模型是有效的.