强降雨情景下附着式升降脚手架事故致因IFRAM-BN模型

强降雨事件频发造成附着式升降脚手架事故剧增,为提高强降雨情景下施工安全性,降低事故发生率,提出一种基于改进的功能共振分析模型(IFRAM)和贝叶斯网络(BN)相结合的事故致因分析模型。首先,从定性角度,利用IFRAM识别事故机制并深度挖掘系统功能共振情况;其次,将IFRAM映射至BN定量分析模型,并引入联系云优化计算各根节点的先验概率;最后,以西安“9·10”事故为例,进行实证研究并提出相应预防措施。结果表明:事故在安全状态为Ⅳ级时,发生的可能性最大。工人违规操作、未进行旁站等强制性监督、强降雨等是导致爬架事故的核心致因;强降雨环境→雨后架体载荷超载等致因组合是诱发爬架事故的关键。

基于Cloud-BN的装配式住宅构件吊装安全评价

为降低装配式住宅构件吊装事故发生率,构建基于云贝叶斯网络(Cloud-BN)的安全风险评价模型,动态评价构件吊装作业安全风险。首先,分析云模型与贝叶斯网络(BN)结合的可行性与合理性;其次,结合工程实际确定构件吊装施工安全风险指标体系与BN结构,通过参数学习算法获取各节点间的条件概率分布;然后利用云模型转换,将获取的观测节点先验概率作为证据输入模型,得到构件吊装风险处于各风险状态的概率,并利用综合云生成算法确定最终的风险等级;最后,以某装配式住宅项目为例,验证该模型的有效性。研究表明:该模型评价结果与实际情况基本一致,平均相对误差控制在5%以内;与传统BN模型相比,结果更加客观准确。

基于BN-AHP的装甲车辆动力系统故障状态评估

装甲车辆复杂传统部件的损伤能否及时被发现,这关系到整车战备或作战能力,系统的故障状态评估是至关重要的。将贝叶斯网络模型结合云模型理论,建立云贝叶斯网络模型,针对4个不同工况的装甲车辆进行故障状态评估。在获取贝叶斯网络初始节点时更多是依靠专家经验,往往会带来很大的误差,导致条件概率偏差过大,采用证据理论/层次分析法来优化专家经验,确定各个节点的条件概率;将层次分析法转化所得的条件概率值代入到云贝叶斯网络模型中,经过计算可以得到不同损毁等级的概率。将云贝叶斯网络模型计算结果与其他状态评估方法结果进行对比分析,结果表明,所采用的计算方法较其他方法在可靠性和准确性方面有所提高。

基于贝叶斯推理的数据云存储安全风险感知研究

为解决以固定阈值为基础的网络数据存储安全风险、感知方式存在明显滞后的问题,提出基于贝叶斯推理的网络数据云存储安全风险感知方法.定性分析网络数据云存储安全风险的影响因素,对影响因素展开关联分析以及重组,得到精准的网络数据云存储安全风险数据,包括技术类风险、管理类风险、法规类风险等.构建基于贝叶斯推理的云存储安全风险感知模型,利用评分函数修正贝叶斯网络拓扑结构,通过量化分析获取安全风险感知值,实现网络数据云存储安全风险感知.实验结果表明,所提方法的网络数据云存储安全风险漏报率小于0.2,误报率最大值仅为1.1,感知值和实际值差距较小,安全风险感知时间较短,网络数据云存储安全风险感知效果好.

基于线性结构因果模型的服务故障传播路径识别

在云计算环境中,当一个服务发生故障时,故障会随着服务之间的交互行为不断传播,导致产生大规模服务失效的风险。复杂且动态变化的服务调用关系加大了识别服务故障传播路径的难度。针对该问题,提出一种基于因果图的服务故障传播路径识别方法。监测并收集服务的运行数据,通过服务运行数据对服务故障事件完成度量;根据因果图模型推断服务故障事件之间的因果关系并构建服务故障传播图;利用服务故障传播图确定故障传播路径。实验结果表明,该方法能够有效识别服务故障传播路径。

基于DDBN-Cloud的舰艇编队防空目标威胁评估方法

海上编队防空作战中,针对来袭目标威胁评估过程中不确定性因素较多、观测数据易缺失以及已有评估方法难以考虑动态威胁态势的问题,提出了基于离散动态贝叶斯网络-云模型(discrete dynamic Bayesian networks cloud,DDBN-Cloud)的威胁评估方法。通过分析来袭目标特征,构建了目标威胁评估体系;为避免节点威胁属性值在小范围内连续变化所引起的重复计算,采用模糊逻辑理论将体系中的连续型变量转化为离散型变量;针对评估过程中指标数据缺失问题,采用前向信息修补算法进行信息预测修补;采用证据可信度对不确定性节点的先验概率进行赋值,使得贝叶斯网络(Bayesian network,BN)参数更贴合实际;最后,利用云模型将得到的威胁评估概率转化为确定的威胁度,实现由定性概念到定量数值的转化,进行威胁排序;仿真实验表明,该方法适用于目标数据缺失时的动态威胁评估,与静态贝叶斯网络-云模型(Bayesian networks cloud,BN-Cloud)法和相对熵排序法相比,其结果更合理,具有一定的实用价值。

基于改进条件概率的贝叶斯网络隧道坍塌安全风险评价

为了对隧道坍塌进行更加准确有效的风险评价,提出一种改进条件概率确定过程的贝叶斯网络隧道坍塌风险评价方法。结合工程实际,选取5个中间事件、23个基本事件构建隧道坍塌贝叶斯网络结构;通过联系云确定根节点事件属于各标准风险等级的隶属度,进而由隶属度确定节点先验概率;依据DS证据理论对部分复杂度最小的专家决策信息进行融合,结合节点事件权重定义“状态危险贡献值”对条件概率确定过程进行改进。将该方法应用到广西来宾市老山隧道工程,计算隧道坍塌风险等级概率并进行事故原因诊断。研究结果表明:该隧道坍塌风险级别为“高度风险”,与实际开挖情况一致;断层破碎带、围岩强度、施工开挖循环进尺、施工步距等是引发隧道坍塌的主要原因。最后与传统条件概率确定方法所得结果进行对比分析,表明本文方法较传统方法在提高计算效率的同时准确性也更高。

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。

基于云贝叶斯的协同搜潜目标态势评估方法

为了处理海战场具有大量不确定信息的目标态势评估问题,提出了基于云贝叶斯网络方法的反潜巡逻机协同搜潜目标态势评估方法,该方法建立了基于云贝叶斯的搜潜目标态势评估模型,构建贝叶斯网络结构的有向无环图,确定了评估指标,然后采用云模型进行离散化处理,并设计实现态势评估过程,最后推断出目标类型和对方作战意图,形成战场态势。仿真结果表明,所提出的方法合理、有效。

基于云贝叶斯网络的目标威胁评估方法

将云模型和贝叶斯网络相结合,形成云贝叶斯网络,并建立了基于云贝叶斯网络的威胁评估模型。首先,根据实际应用背景确定贝叶斯网络结构,并对连续型观测节点进行云模型转换;然后,将观测变量值输入云贝叶斯网络,推理得到目标属于各个威胁等级的概率;最后,为消除目标信息的不确定性对总的威胁度的影响,进行了多次重复推理,通过概率合成公式求得最终的威胁程度。以联合防空作战为背景,仿真实现了空中目标的威胁评估,验证了该方法的有效性。

云计算下基于贝叶斯网络的多传感器目标识别

基于云计算可实现分布式并行程序海量数据处理的特点,提出将多传感器目标识别融合处理部署在云计算Hadoop平台上,并将其运行在多个节点组成的计算机集群上。根据目标识别原理建立贝叶斯网络结构,对目标识别预处理得到的数据进行融合计算,推理目标类型,并对不同情况下的Hadoop集群效率进行分析比对。实验结果证明了将目标识别融合处理部署在云计算平台上可有效提升运算效率。

云制造环境下基于贝叶斯网络的机床装备资源优化决策方法

结合复杂网络理论,提出了一种云制造环境下基于贝叶斯网络的机床装备资源优化选择方法。对云制造环境下机床装备资源优化选择问题进行数学描述,构建了一种由决策环境变量、决策选择变量、决策传递变量、决策目标变量、决策价值变量以及因果依赖关系组成的不确定多阶段多目标(UMM)决策模型,并对该模型的求解算法进行研究;通过实例验证了所提方法的适用性和有效性。

管道腐蚀泄漏火灾的贝叶斯网络推理模型研究

为了研究长输管道腐蚀泄漏及蒸气云爆炸事故的演化规律,通过对埋地管道内(外)壁腐蚀失效、燃气泄漏、气体云团扩散及蒸气云爆炸等4阶段事件进行分析,构建埋地管线腐蚀泄漏火灾的贝叶斯网络模型。研究网络结构中节点变量的取值范围及离散化方法,并基于对事故统计和专家分析判断,设定节点变量的先验概率,量化节点关联的条件概率分布。在对贝叶斯网络推理策略研究的基础上,考察节点变量对推理结果的敏感性,验证模型的合理性。结果表明,长输管道腐蚀泄漏及次生灾害事件过程具有较大的不确定性,主要体现在中间事件均具有多种状态,事故演化路径概率受模型输入条件影响较大。贝叶斯网络方法用于描述事故过程中间节点事件间的依赖关系有较大的优势,可以定量衡量事故风险的不确定性。

铁路非常规突发事件应急救援决策方法研究

将贝叶斯网络推理方法应用到铁路突发事件应急决策中,为铁路突发事件应急救援提供一种实用、智能的科学辅助决策方法.在提取、约简案例决策属性的基础上,采用基于云模型的评估方法完成案例决策属性定性划分,降低决策属性划分的偏差性.构建铁路突发事件应急决策贝叶斯网络模型,并提出进行综合决策的具体方法及步骤.通过具体算例说明使用贝叶斯网络进行铁路非常规突发事件综合概率的决策过程.案例分析表明,该方法能够满足铁路应急决策需求,在信息不完备情况下同样具有实用性和有效性.为领域知识不完全,主要依靠经验知识进行铁路突发事件应急决策支持系统的智能化提供了新方法、新思路.

服务质量感知的云应用资源自适应配置

针对部署在云环境下的云应用资源配置优化问题,提出了通过感知服务质量变化自适应配置云应用资源的策略。设计了一种基于采集到的历史运行指标数据生成贝叶斯网络概率推理模型,并利用预定义应用服务质量目标(Service Level Objectives,SLO)找到资源超配或不足的虚拟设备,生成资源优化方案。在仿真环境下验证测试结果显示,开启自适应配置算法的云应用请求响应时间指标明显优于未开启的云应用。

基于贝叶斯网的云服务组合柔性影响因素重要度分析

针对制造云服务组合过程具有不确定性的特点,在分析云服务组合柔性及其影响因素的基础上,通过构建贝叶斯网络模型进行云服务组合柔性影响因素的重要度分析,进而识别出影响制造云服务组合柔性的关键因素,为后续针对性地开展柔性的测度、监控和提升等研究做好铺垫。

基于云参数贝叶斯网络的威胁评估方法

文中以威胁评估为背景,针对威胁评估中样本数据不充足,专家构建贝叶斯网络参数工作量大的问题,提出了基于云参数贝叶斯网络的威胁评估方法。把云的表达能力与贝叶斯网络的推理能力相结合,一是运用云的表达能力构建贝叶斯网络参数,二是运用贝叶斯网络的推理能力计算后验概率。首先,以状态组合权值为媒介运用专家知识构建隶属云模型,并利用状态组合权值的不确定度将隶属云模型转换为条件概率表,从而达到以较少的专家工作完成评估模型构建的目的;其次,运用专家构建的威胁评估贝叶斯网络和生成的条件概率表进行威胁评估推理,得到最终的评估结果。实验结果表明,该方法生成的条件概率表的统计数据与专家知识相符,并能有效地应用于威胁评估之中。

基于云贝叶斯网络的运输飞机超轮速风险评估

起飞超轮速严重威胁飞行安全,为了有效评估运输飞机起飞时在不确定性因素影响下的超轮速风险水平,提出一种基于云模型和贝叶斯网络的评估模型。选取抬轮速度、总重、低压转子转速、抬轮率、抬轮时机、升降舵控制量、风的分量、总温8个指标,建立超轮速风险指标体系;运用基于启发式高斯云变换算法和正向高斯云算法的云模型,实现超轮速风险等级软划分和指标离散化,并确定各指标的先验概率;构建超轮速风险的贝叶斯网络,基于所建网络和节点信息计算节点后验概率,通过网络反向诊断得到超轮速的主要诱因。结合实际运行数据进行仿真验证,结果表明:评估结果符合实际情况,验证了模型的有效性。研究结果可为超轮速事件分析、民航运行安全风险管理提供理论依据。

一种用于非法图像检测的云计算Hadoop平台设计

互联网中存在着大量的非法图片严重影响了正常的网络生活,传统的非法图像识别主要是经过图像与样本库中的图像进行对比,工作量巨大,实时性能较差;提出基于云计算Hadoop平台的非法图像检测方法,将非法图像特征提取以后通过统计分析构造贝叶斯分类网络,将贝叶斯判断的方法MapReduce后部署在Hadoop云计算平台进行非法图像的分类;实验结果证明,这种方法的加速比效果明显增加,图像分类识别的准确率也大大地提高。

云服务组合柔性影响因素分析——基于云制造服务平台视角

基于云制造服务平台的新视角,深入探究云服务组合柔性的影响因素,建立贝叶斯网络模型,在云制造服务平台的视角下,对云服务组合柔性的影响因素展开重要度分析,进而识别出对于云制造服务平台而言影响柔性的关键和非关键因素,为以后云服务组合柔性影响因素的监控以及云服务组合柔性的测评与提升作出铺垫。最后,以某智能装备云服务平台HD为例展开研究,进行应用分析。