基于概率分析的铁路安全风险传递网络模型研究

传统的风险评价大多是在定性分析的基础上展开的,给风险评价带来了一定的局限性。为深化风险评价水平,拓展风险定量评价方法,提出一种基于概率分析的铁路安全风险传递网络模型。首先,面向铁路局集团公司层面,识别出35项安全风险;然后,通过关联关系分析明确风险间的传递关系,并依托风险传递关系构建安全风险传递网络模型;之后,基于贝叶斯网络对风险传递网络进行传递概率分析;最后,选取异物侵限类风险事件作为案例对模型进行应用验证。结果表明:模型基于铁路运营历史数据,对风险传递网络进行定量分析,能识别出安全风险传递网络中的关键安全风险和风险传递关键路径。模型为有效利用铁路安全相关数据,开展定量的风险评价提供基础。

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。

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。

基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测

考虑到输入信息和预测模型的不确定性对负荷预测结果的影响,本文提出一种基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测方法.通过条件变分自编码器生成指定天气因素预测值和日历特征条件下实际天气因素可能的多个随机样本,以模拟天气预测信息的不确定性;构建GRU-S2S贝叶斯神经网络学习模型参数的分布特征,以反映预测模型的不确定性,并结合MC dropout技术获得多个可能的负荷预测值;遍历天气因素全部模拟样本,将预测模型输出的负荷预测值构成集合,并通过核密度估计获得预测时段内各时刻预测负荷服从的概率分布.实际算例结果表明,该方法在短期负荷概率预测中具有更高的分位数预测精度和更可靠稳定的区间预测结果.

基于故障树和贝叶斯网络的履带车辆行星变速机构可靠性分析

行星变速机构作为履带车辆传动系统的核心部件,其可靠性直接影响履带车辆的正常运行。以履带车辆行星变速机构为研究对象,基于实测试验结果建立故障树,将故障树转化为贝叶斯网络(Bayesian Network,BN)模型,并考虑行星变速机构正常、普通故障、严重故障3种状态进行可靠性分析。研究结果表明,行星变速机构失效概率为89.34×10^(-8)h^(-1),其工作400 h的可靠度为0.99964,符合设计要求;利用贝叶斯网络双向计算的功能,可知当行星变速机构发生失效,由主轴断裂或摩擦片烧蚀、翘曲、断裂或齿轮疲劳断齿引起的可能性较大。为后续装备检修、改进设计提供理论依据。

基于贝叶斯网络的重特大交通事故关键因素分析

基于2013—2021年97起重特大交通事故数据,探究重特大交通事故关键致因。采用改进的灰色关联法构建关键影响因素集,以关键因素为节点变量建立了贝叶斯网络,通过网络结构学习和节点条件概率学习,分析了14个与事故相关的因素,并从中提取了15个单、多车事故死伤人数因素组合链,基于区间数理论对影响因素的危险性进行了排序。结果表明:单、多车事故致因存在差异,超载、存在大型客车、无物理隔离等因素对单、多车事故均有影响,但这些因素对单、多车事故死伤人数的影响程度不同,整体来看,多车事故后果更严重。贝叶斯网络可以反映各因素之间的真实关系,且具有较好的预测精度,研究结论有助于管理部门制定相应的预防策略以减少重特大交通事故发生频率。

一种使用贝叶斯网络的堤防安全人因可靠性分析方法

堤防工程在发挥防洪蓄水兴利效益的同时,其安全也关系到下游居民生命财产安全。为了更好的进行堤防风险管理,完善现有的风险分析方法,将人因因素引入风险分析理论,提出一种使用贝叶斯网络的堤防安全人因可靠性分析方法。论文通过研究众多历史溃决事故,构建人因失误影响因素集,研究事故中的人因失误基本路径,归类分析得出各阶段的主要影响因素,将所得模型与贝叶斯网络相结合,运用于具体堤防工程安全分析。研究得到包含人、技术、组织、环境四项分类的人因失误影响因素集,由监视觉察、状态诊断、计划制定、操作执行四个阶段构成的失误基本路径,贝叶斯网络根节点中的环境和安全文化节点最为敏感,管理人员的心理和素质因素对结果影响最为显著。结果表明,该模型不仅可以清晰描绘各因素之间的关系,明晰定量度量失误概率,并能辨识影响较大的原因以风险控制。我国应提高堤防工程中对于人因的重视,不断加强组织安全文化宣传,通过培训提高管理人员心理素质与专业技能。

基于最弱t-norm算法模糊贝叶斯网络土石坝渗漏风险分析

针对土石坝工程渗漏影响要素多,风险评估体系不完善的问题,提出一种基于最弱t-norm算法模糊贝叶斯网络的土石坝渗漏风险分析模型。首先基于土石坝渗漏破坏成因构建土石坝渗漏风险分析网络,再基于层次分析法和最弱t-norm聚合算法求解不同专家判断的相似性结果,最后将相似性结果转化为概率后代入贝叶斯理论计算水库渗漏破坏风险。以2005年英德尔水库渗漏破坏事件为例,计算得到该库渗漏破坏概率为0.08,属于不可接受风险,并通过反向诊断验证了该模型的可靠性与灵敏性优于传统算法。研究结果可为土石坝渗流风险分析与处置决策提供参考。

基于贝叶斯网络的储油罐区事故情景分析

为确定储油罐区事故引发多米诺效应中各关键节点因素的重要性,基于情景构建过程中不同发展阶段的孕灾环境、处置措施和演化结果等要素,引入贝叶斯网络方法,提出1种在储油罐区事故情景构建下的演化网络,通过敏感性和影响强度分析,筛选出事故发展过程中的关键节点,并通过提炼事故支链来论证事故演化网络构建的合理性。研究结果表明:在事故进程中,火灾熄灭、火势隔离、人员撤离、危化品残存、全员撤离、组织搜救节点因素对多米诺效应的影响较大;提炼的各事故支链符合情景构建演化趋势,说明该事故演化网络具备一定合理性。研究结果可为储油罐区事故应急辅助决策技术的建设提供支持和参考。

基于贝叶斯网络的高校突发传染病疫情情景演化分析

针对高校如何科学有效地应对突发传染病疫情的问题,从湖北省武汉市各高校官方网站筛选100份文本资料,运用扎根理论将其整理为193个概念和117个范畴,构建高校突发传染病疫情的情景要素。建立高校突发传染病疫情的事故树,梳理情景演化逻辑。结合专家打分法和数据分析法,建立包含19个节点的高校突发传染病疫情的情景演化贝叶斯网络。结果表明:疫区管控,大规模接种疫苗和病患统一管理是新增病例数量下降的关键因素;提供充足物资与宣传防控知识对人员心理问题有较大影响;在病毒突变的情况下,未采取任何措施新增病例数量下降概率仅21%,而采取常态化疫情防控情况下可达86.7%。

基于贝叶斯网络分析的煤化工消防系统检修频率研究

因煤气化厂房内的消防系统维护检修不到位,造成系统无法发挥作用甚至瘫痪的事件屡屡发生。本文基于贝叶斯网络的风险评估方法,通过对煤气化厂房火灾的发生原因进行分析,开展了合成气泄漏及事故后果的风险评估,并结合风险评估结果对消防系统的检修频率进行探究,提出了一种与煤气化厂房固有风险相适应的消防系统检修维护周期评估算法。该算法可较高程度地实现事故预防并减轻灾害损失。

基于贝叶斯方法的通信网络运维人误概率研究

为了定量化分析通信网络运维任务中人因失误的发生概率,针对网络运维人员在执行任务中可能发生的40种人误模式,采用专家判断法获取人误概率的估值,进而采用贝叶斯方法进行聚合分析,得到了各项人误模式的基础发生概率水平。结果表明:在无其他突出情境因素影响时,大多数人误模式的基础发生概率量级在1E-3左右,其中由于理解失效和决策制定失效导致的人误发生概率与其他宏认知功能的失效相比较高。在实际应用中,相对概率高的人误模式在安全和质量管理中应得到优先控制。

基于贝叶斯网络和仿真分析的矿山机电系统可靠性评估

为增加矿山机电系统的可靠性,及时发现并预防潜在故障,提高矿山生产效率、确保工人安全及设备正常运行,建立了故障信息数据诊断系统,收集矿山机电系统故障数据,同时构建了贝叶斯故障网络,并利用ITE结构将其转化为二元决策图,对机电系统故障进行定性和定量分析。结果显示,在不同挖掘软件上,研究构建模型对机电系统故障的诊断准确率均达98%以上。在对某矿山机电系统实际评估中,测得绝缘老化或损坏、过载或过热、电子元件故障、内部短路对系统故障影响重要度最大,约为0.972。该故障分析系统有效提高了机电系统故障诊断的准确性和效率,对底层故障节点进行了有效评估,可为同类型机电系统的故障诊断和可靠性评估提供参考。

基于贝叶斯网络模型的慢性阻塞性肺疾病伴重症肺炎患者合并低氧血症危险因素分析及气管镜介入治疗的效果观察

目的 探讨慢性阻塞性肺疾病(COPD)伴重症肺炎患者合并低氧血症的危险因素及气管镜介入治疗的效果。方法 回顾性分析2019年10月至2022年10月北京市房山区第一医院收治的183例COPD伴重症肺炎患者的临床资料,采用随机数字法将就诊患者以2∶1的比例分为训练集(122例)和验证集(61例)。根据是否合并低氧血症,将训练集患者分为合并低氧血症组(37例)和未合并低氧血症组(85例)。比较两组患者临床资料,分析影响患者合并低氧血症发生的危险因素,采用受试者工作特征(ROC)曲线评估各危险因素对患者合并低氧血症发生的预测价值。构建贝叶斯网络模型进行推理预测,利用训练集数据对模型区分度和准确度进行评价,利用验证集数据对模型进行外部评价。比较气管镜介入联合无创机械正压通气(NPPV)治疗与常规NPPV治疗对COPD伴重症肺炎的治疗效果。结果 多因素分析结果显示,年龄、体重指数(BMI)、吸烟、白细胞计数、C-反应蛋白、氧合指数、最低氧分压及肺功能(以1秒用力呼气容积/用力肺活量,FEV1/FVC表示)均为低氧血症发生的独立危险因素(P<0.05);8种危险因素均对COPD伴重症肺炎患者合并低氧血症有较高的预测价值[曲线下面积(AUC)=0.816、 0.822、 0.768、 0.839、 0.826、 0.793、 0.802、 0.857],8种因素联合预测结果(AUC=0.899)高于单独指标(Z=2.314、2.067、4.558、1.874、2.013、3.750、3.109、1.422,P<0.05)。训练集和验证集结果均显示贝叶斯网络预测模型具有较好的区分度和准确度。与常规NPPV治疗相比,气管镜介入联合NPPV治疗酸纠正时间、无创通气时间及住院时间均明显缩短;有创通气发生率和病死率均显著降低,差异均有统计学意义(P<0.05)。结论 以年龄、BMI、吸烟、白细胞计数、C-反应蛋白、氧合指数、最低氧分压及肺功能8种因素构建的贝叶斯网络预测模型预测COPD伴重症肺炎患者合并低氧血症的危险因素效果良好,气管镜介入联合NPPV治疗效果明显优于常规NPPV治疗。

贝叶斯网络下非自然灾害桥梁事故统计分析

提出一种利用贝叶斯网络对非自然灾害下桥梁事故分析的方法,通过统计国内运营期间桥梁发生非自然灾害事故样本并对其指标进行分析和预处理,将上述指标作为节点建立非自然灾害下桥梁事故贝叶斯网络模型并进行验证。推理计算该模型各根节点的后验概率和灵敏度,分析各根节点对桥梁整体破坏情况的影响,并计算桥梁事故原因之间的相关性。研究结果表明:桥梁服役时间对桥梁整体破坏影响最大;桥梁状况中的桥梁长度、建设年代、是否为梁桥,事故原因中的工程质量、超载超限、车船撞击对桥梁整体破坏存在明显影响;桥梁状况中是否为混凝土桥、单跨桥、跨水桥、公路桥以及事故原因中的其他原因对于桥梁整体破坏影响较小,可以忽略。桥梁事故原因之间皆为负相关关系,其中超载超限与车船撞击、超载超限与工程质量、车船撞击与工程质量之间的负相关程度较高;工程质量与其他原因、超载超限与其他原因、车船撞击与其他原因之间的负相关程度较低。

基于心脑血管疾病发病风险预测的CatBoost算法和贝叶斯网络模型分析

目的:筛选影响心脑血管疾病发病的主要特征变量,基于排序前10位的特征变量构建心脑血管疾病发病风险贝叶斯网络模型,为心脑血管疾病发病风险预测提供参考。方法:从英国生物样本(UK Biobank)数据库中纳入315896例参与者和相关变量,通过类别型特征提升(CatBoost)算法进行特征选择,将所有参与者按7∶3比例随机分为训练集和测试集,并基于最大最小爬山(MMHC)算法构建贝叶斯网络模型。结果:本研究中人群心脑血管疾病患病率为28.8%。CatBoost算法筛选的排名前10位变量分别为年龄、体质量指数(BMI)、低密度脂蛋白胆固醇(LDL-C)、总胆固醇(TC)、甘油三酯-葡萄糖(TyG)指数、家族史、载脂蛋白A/B比值、高密度脂蛋白胆固醇(HDL-C)、吸烟状态和性别。CatBoost训练集模型受试者工作特征(ROC)曲线下面积(AUC)为0.770,模型准确性为0.764;验证集模型AUC为0.759,模型准确性为0.763。临床效能分析,训练集阈值范围为0.06~0.85,验证集阈值范围为0.09~0.81。心脑血管疾病发病风险贝叶斯网络模型分析,年龄、性别、吸烟状态、家族史、BMI和载脂蛋白A/B比值与心脑血管疾病直接相关,是心脑血管疾病发生的重要风险因素,TyG指数、HDL-C、LDL-C和TC通过影响BMI和载脂蛋白A/B比值间接影响心脑血管疾病的发生风险。结论:控制BMI、载脂蛋白A/B比值和吸烟行为,可以降低心脑血管疾病的发病风险。贝叶斯网络模型可用于预测心脑血管疾病发病风险。

基于贝叶斯网络的危化品爆炸事故隐患关联与溯源分析

为提高隐患排查工作实效,基于贝叶斯网络(BN),提出一种危化品爆炸事故隐患推理模型。首先,依据燃烧爆炸理论和专家经验,确定影响危化品爆炸的主要隐患类别,构建爆炸、泄漏超限、点火源的BN模型,并采用三角模糊数厘定隐患的先验和条件概率;然后,利用贝叶斯正向推理计算危化品爆炸发生概率,结合反向推理,查明最可能导致爆炸事故发生的隐患并追溯形成隐患的风险因素;最后,应用贝叶斯敏感性分析方法,确定影响危化品爆炸的关键隐患及事故隐患间的关联,并通过储油罐爆炸案例进行验证。研究结果表明:以因果推理方式计算出的储油罐爆炸风险概率约为4.7%;设备超压和电火花两者后验概率最大,是最可能导致储油罐爆炸的隐患,追溯其原因是未定期检查储罐或未使用防爆设备;电火花和阀门或法兰损坏是储油罐爆炸的关键隐患,事故隐患关联以致患链“阀门或法兰损坏→油品异常涌出→泄漏超限→遇火源(电火花)→发生爆炸”的形式呈现。