应用熵值-贝叶斯网络模型分析黑龙江省蔬菜全产业链高质量发展风险

在强化质量导向、推动乡村振兴的背景下全面分析蔬菜全产业链高质量发展风险,对提高蔬菜全产业链运作效率具有重要意义。本研究通过应用熵值-贝叶斯网络模型对黑龙江省蔬菜全产业链质量风险水平进行综合测度,并进一步识别关键风险因素。结果显示目前黑龙江省蔬菜全产业链高质量发展形势稳定向好,但仍存在一定风险,其关键风险主要来源于流通运输、产品管控和市场道德三个维度。据此,提出:(1)加快农村信息化建设,优化物流运输网络布局;(2)强化龙头企业责任意识,鼓励消费者参与质量安全共治;(3)健全社会化服务体系,加强蔬菜品牌建设,促进蔬菜全产业链高质量发展。

中国降碳-减污-扩绿-增长协同发展空间关联网络特征及影响因素研究

协同推进降碳-减污-扩绿-增长已成为我国经济社会发展全面绿色转型的必然选择。基于我国30个省份面板数据(不包含港澳台地区以及西藏自治区数据),运用熵值法、耦合协调度模型和社会网络分析方法,分析各省份间降碳-减污-扩绿-增长协同演变趋势及空间关联网络特征。结果表明:①各省份降碳-减污-扩绿-增长协同效应的变化趋势基本一致,但在空间上呈现东部>东北>西部>中部的区域不均衡特征。②降碳-减污-扩绿-增长协同效应呈现以东部地区为核心的复杂空间网络结构,省际间空间关联性呈上升态势,但网络结构稳定性还有待提高。③北京市、天津市和上海市等地区凭借优越区位,在关联网络中处于主导地位,而宁夏回族自治区、黑龙江省和新疆维吾尔自治区等地区对其他地区的影响较小。④北京市、天津市和上海市等地区属于“主受益”板块,浙江省、广东省等地区属于“经纪人板块”,安徽省、江西省和湖北省等地区属于“净溢出”板块。⑤降碳-减污-扩绿-增长协同效应的空间关联网络受多种因素共同影响,人力资本水平、科技投入、市场化水平和数字经济发展均有利于空间关联关系的建立。研究显示,中国降碳-减污-扩绿-增长协同效应存在空间关联性,需进一步加强省份间的绿色合作与交流,共同推动降碳-减污-扩绿-增长协同发展。

一种分布式网络环境下基于挑战-响应模型的可信评估方法

运用信任模型进行可信评估是解决分布式网络安全问题的重要手段。然而,目前大部分研究工作把研究重点放在如何收集更完整的信任证据,以及如何利用一些新手段如机器学习、区块链等评估节点信任值,很少对如何获取节点可靠的初始信任值进行研究。实际上,针对分布式网络提出的很多信任模型都依赖于历史信任证据,而初次对网络进行可信评估时并不具备相关历史信息。基于此,该文面向分布式网络环境的安全问题,提出了基于挑战-响应模型的可信评估方法。首先利用挑战-响应模型获取节点可靠的初始信任值,并利用此初始信任值对网络中的节点进行分簇,在簇内进行信任值计算和信任值更新,完成分布式网络环境下完整的可信评估流程。仿真结果表明,相较于统一设置初始信任值的方式,该文所提方法能对恶意节点、自私节点的信任值有较准确的预测,同时对恶意节点的检测率也更高。

基于熵值-模糊综合评判的可靠性模型优选

考虑随机截尾试验中有些试验产品无故障数据出现,提出采用平均秩次法计算经验分布函数。针对一批数据同时符合多种分布问题,提出采用综合考虑主、客观等多种因素的熵值——模糊综合评价的方法来确定试验数据的最佳分布。以可靠性试验中17台设备有7台没有出现故障为例介绍运算过程。结果表明,该方法简便易行,具有一定的工程应用价值。

基于概率-非概率混合模型和贝叶斯网络的汽车起重机起重臂屈曲可靠性分析

汽车起重机使用中因起重臂结构失效而导致事故频发,这造成严重经济损失和人员伤亡。因此,提出利用概率-非概率理论和贝叶斯网络对起重臂结构进行可靠性分析,针对起重臂屈曲计算中的区间变量和随机变量,建立概率-非概率混合模型,计算不同条件下臂架发生屈曲失效的概率,利用贝叶斯网络模型计算各失效原因的重要度,最后通过实例分析验证了方法的有效性,为起重臂基于可靠性的设计提供依据。

基于多传感器信息融合和CNN-BIGRU-Attention模型的液压防水阀故障诊断方法

在建筑工程领域,尤其是在工程搅拌设备中,涉及到复杂液压工作介质,液压防水阀往往会出现不同程度的故障。此外,恶劣的工作环境和复杂的噪声背景使得对液压防水阀的故障进行诊断变得困难。为了解决这一难题,提出了一种基于多传感器信息融合和卷积神经网络-双向门控循环单元-自注意力机制(CNN-BIGRU-Attention)模型的防水阀故障诊断方法。首先,考虑到单一传感器振动信号难以充分表达故障特征,该方法使用了3个传感器采集含噪声的振动信号,并进行了必要的预处理;其次,提取了信号的16个时域特征、5个频域特征以及3个时频域特征,并利用熵权法进行了特征融合,达到了增强特征的目的;然后,将融合的多维特征集输入到CNN-BIGRU-Attention模型中进行了特征识别;最后,利用实际的液压防水阀故障诊断实验,验证了该方法的有效性。研究结果表明:采用多传感器提取的特征更为全面,信息融合有助于捕捉更完整的隐藏数据特征,从而显著提高诊断的准确率;相较于其他特征识别方法,采用CNN-BIGRU-Attention模型的液压防水阀故障诊断准确率可分别提高6.7%、4.6%和14.2%,达到了96.86%,证明了该方法的有效性。该方法将先进的机器学习技术与实际工程应用相结合,为建筑工程问题提供了一种新颖、有效的解决方案。

基于熵权优化FFR-BN法的梁式渡槽运行风险评价

梁式渡槽运行受多种风险因素影响,各因素之间联系及作用关系的复杂性及对因素认知的局限性常常造成风险评价结果不够精确,对此提出基于熵权优化的FFR-BN法开展梁式渡槽运行风险分析。此方法采用熵权法对主观与客观权重进行融合优化,有效解决了传统评价方法中专家打分低精度及强主观性问题。通过解释结构模型将梁式渡槽复杂系统拆分为各种子系统(因素、要素),随后分析风险因子之间的直接二元关系,从而构建复杂系统内风险因子、风险事件之间的逻辑关系框架,并在此基础上计算因子的模糊失效概率,运用贝叶斯网络的反向推理技术确定风险事件发生的最大可能路径、梁式渡槽运行风险中决定性风险因子。通过此方法计算得出实例梁式渡槽综合风险等级为Ⅰ级,关键致灾风险因子为设计洪水增加、钢筋失效、表层混凝土剥蚀、材料特性等,受所处区域地形及地质条件影响,裹头边坡防护问题导致的风险致因链是最大可能风险致因链。

基于区间值模糊熵的网络舆情突发事件应急群决策模型

随着社交网络的广泛使用,网络舆情突发事件的爆发由单一性向多发性转变。文章特别针对同时爆发的多个网络舆情突发事件,构建了应急群决策模型。首先提取可有效衡量网络舆情突发事件危机程度的指标,再运用区间值模糊熵计算其合理权重,采用加权集结得到各事件的综合效果区间值,通过两两比较所得的可能优先度排序即可得到舆情最为严重的突发事件.算例分析结果验证了模型的合理性,提高了应急处理效率,能帮助应急部门更好地处理网络舆情危机,提高舆情导控能力。

基于模型-数据混合驱动的区域能源互联网韧性在线评估

随着台风灾害的日益频发,能源系统的供能安全面临重大挑战,迅速、准确地根据实时更新的台风预测信息在线评估系统在未来短期内的应灾能力具有重要意义。该文将机理模型与数据驱动相结合,提出了一种模型-数据混合驱动的能源互联网韧性在线评估方法,克服了传统评估模型难以在线应用的缺点。首先,针对极端天气历史数据样本缺乏的问题,利用非序贯蒙特卡洛法离线模拟了系统在不同台风等级下的海量故障场景,以此生成了神经网络的训练样本集;其次,基于时间卷积网络(temporal convolutional network,TCN)构建了能源互联网的韧性在线评估模型,以多能负荷削减率为输出特征,通过离线训练提取台风信息、系统状态与负荷削减率的非线性映射关系,同时,利用深度残差收缩网络(deep residual shrinkage network,DRSN)改进了TCN的残差模块,通过自主的滤波学习降低了训练过程中冗余特征对计算精度的影响;接着,基于构建的韧性在线评估模型,提出了基于扩展交叉熵的韧性指标在线计算方法,通过迭代优化的最优概率密度函数,有效降低了在线仿真场景数量,进一步提高了指标方差收敛速度。最后,对某能源互联网的韧性进行了仿真评估,验证了所提方法的快速性和有效性。

基于时效因子和动态贝叶斯网络的配电室电力应急演练研究

针对由于灾害性事故频发,配电室应急工作面临严峻挑战的现状,文中对配电室电力灾害事故情景推演技术进行研究。在分析配电室电力灾害的突发性、多变性和演变路径的不明确性、复杂性基础上采用“情景-应对”分析法分析配电室电力事故的构成要素以及其作用关系,将处置措施约束时间引入情景构成要素,基于动态贝叶斯网络构建配电室电力灾害情景推演模型。基于时效性原则进行演练效果评价,通过某矿业公司一起6 kV配电室火灾事故进行实例分析,分析结果表明,推演结果与实际灾害发展情形相吻合,表明了配电室电力灾害事故情景推演模型的可行性。

基于贝叶斯网络的Fuzzy-SVM路基震害预测模型

为解决现有路基震害预测方法主观性强且无法考虑非线性特征的问题,以贝叶斯网络(BN)为框架,将工程经验与历史路基震害样本融合,改进网络参数求解方法,建立一种基于BN的模糊(Fuzzy)-支持向量机(SVM)路基震害预测模型。利用Fuzzy理论求解BN参数的先验概率,同时利用SVM求解BN参数的实际样本潜在概率;基于贝叶斯原理,将先验概率与实际样本潜在概率融合,得到既满足震害工程经验又体现历史震害样本中非线性特性的预测模型。结果表明:将提出的预测模型应用于汶川地震影响区的42个路基隐患点,预测准确率为80.95%。该模型在小样本情况下较传统机器学习方法(以SVM为代表)精度更高;并且,该模型在路基属性不完整的情况下也能有效预测震害等级。

基于贝叶斯优化ARIMA-CNN-GRU深度算法的楼宇负荷预测研究

楼宇能耗预测问题对降低能量消耗与实现合理功能至关重要。为解决楼宇能耗复杂多变的问题,采用ARIMA模型求解能耗曲线非线性部分,再通过CNN-GRU深度学习模型拟合非线性残差,并且采用贝叶斯优化算法对深度模型进行超参优化。基于不同楼宇负荷曲线的预测结果证明,贝叶斯优化算法能够提升模型精度3倍以上,所提出的ARIMA-CNN-GRU算法针对不同类型的楼宇负荷曲线预测的最大误差控制在7%以内,比通过CNN-GRU网络直接预测楼宇负载曲线精度提升2倍,能够满足不同楼宇负荷的预测。

熵权密切值法完井方式优选模型的建立及在荔湾3-1深水气田的应用

深水气田开发高投入、高风险,完井方式的选择直接影响其开发的整体效益。为优选出适合深水气田的完井方式,综合考虑初始产气量、累计产气量、完井成本、财务净现值、动态投资回收期、防砂效果和施工风险等7个影响因素,将多目标决策密切值法与熵权法结合,建立了深水气田完井方式优选模型。以荔湾3-1深水气田某定向井为例,对深水气田常用的裸眼、裸眼砾石充填、套管压裂砾石充填、套管微压裂砾石充填和裸眼下高级优质筛管等5种完井方式进行了优选分析,结果表明该定向井最优完井方式为套管压裂砾石充填,与荔湾3-1深水气田2口直井、6口定向井实际生产情况相吻合,说明本文建立的熵权密切值法完井方式优选模型具有较好地推广应用价值,可为深水气田完井方式优选提供指导。

基于德尔菲-熵权值综合赋权的仓库物资保障能力模糊评估模型研究

采用德尔菲法和熵权值法从主客观两个方面来综合确定评估指标权重,在此基础上运用不确定性评估理论提出和构建了基于德尔菲-熵权值综合赋权的物资保障能力模糊评估模型,并通过两个仓库对该评估模型进行实例分析验证。

基于动态贝叶斯网络的CTCS3-300T列控车载系统运行可靠性及可用性评估

考虑运行过程、多状态性、动态失效及恢复机制等问题,基于动态贝叶斯网络对CTCS3-300T车载系统运行可靠性及可用性进行评估。在分析300T车载系统结构及可靠性框图的基础上,结合系统运行过程,实现动态贝叶斯网络的结构学习和参数学习。动态贝叶斯网络推理结果表明:300T车载系统具有高运行可靠度和可用度,系统失效后,能通过切换冗余开关迅速恢复系统功能;为提高系统可靠性和可用性,对系统功能模块的重要度顺序和导致系统失效的敏感性元件顺序进行了研究。研究结果表明:在系统运行阶段,对主系统和备系统进行定期切换,能有效提高运行可靠度;备用动车组可有效提高运行可用度。最后,通过中国铁路某集团有限公司300T车载系统现场维护数据验证本文分析结果的准确性和有效性。

机械臂轨迹跟踪控制——基于EC-RBF神经网络的机械臂模型参考自适应控制

针对机械臂运动轨迹控制中存在的跟踪精度不高的问题,采用了一种基于EC-RBF神经网络的模型参考自适应控制方案对机械臂进行模型辨识与轨迹跟踪控制。该方案采用了两个RBF神经网络,运用EC-RBF学习算法,采用离线与在线相结合的方法来训练神经网络,一个用来实现对机械臂进行模型辨识,一个用来实现对机械臂轨迹跟踪控制。对二自由度机械臂进行仿真,结果表明,使用该控制方案对机械臂进行轨迹跟踪控制具有较高的控制精度,且因采用EC-RBF学习算法使网络具有更快的训练速度,从而使得控制过程较迅速。

网络视角下航空公司竞争态势及影响因素研究

为剖析疫情时期中国国内主要客运航空公司竞争格局和竞争优势的影响因素,利用TOPSIS-熵值法和修正Huff模型量化航空公司在航线上的竞争优势强度,构建基于优势强度的航空公司-航线赋权二分网络,从网络的视角对航空公司竞争优势市场划分及其静态特征进行研究,利用Tobit回归模型剖析竞争优势的影响因素。研究表明:在疫情时期航空公司多市场接触程度较低,三大航空公司竞争优势明显,其优势在城市分布上差异巨大,主要集中在其基地城市。HU、3U等航空公司在市场竞争中优势不明显,更多表现为竞争且主要围绕沿海二线城市展开;航空公司竞争优势受到多因素共同制约,疫情时期收益更多表示成本控制的能力,低成本航空公司9C相较HU、3C等航空公司更具优势。

基于熵值法确权的大坝安全组合预测模型

针对传统数学模型和神经网络预测模型在大坝安全监测中存在的预测精度较低问题,分析了BP神经网络模型和偏最小二乘预测模型的建立方法,在此基础上,利用信息论中的熵原理提出一种新的组合预测模型,并结合实测数据对该组合预测模型进行了检验。结果表明:该组合模型提高了预测精度,在大坝安全监测中具有较强的实用性。

水下人-机协同搜救作业人因可靠性分析研究

为分析水下人-机协同搜救作业人因可靠性并识别其关键影响因素,根据水下搜救训练实际和相关研究结论提取人因可靠性影响因素;建立人因可靠性影响因素体系,利用解释结构模型定性分析各影响因素间相关关系,将建立的各影响因素的解释结构模型转换为贝叶斯网络拓扑结构,分别构建潜水员作业、无人遥控潜水器(ROV)作业、人-机协同作业人因可靠性分析贝叶斯网络;通过对3类贝叶斯网络进行推理,揭示影响人因可靠性的关键因素及其依赖关系,并定量分析3种作业模式下的人因可靠性变化。结果表明:人-机协同搜救作业中“误解意图”“通信不畅”“信息不对称”“作业精度不足”“丧失救助能力”等影响因素起到关键作用;当上述因素得到较好控制时,人-机协同搜救作业的人因可靠性将会表现出优于单纯的ROV或潜水员独立施救的效能。研究结果可为水下搜救作业人因可靠性分析与提升提供参考。

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。