基于Leaky Noisy-or Gate和贝叶斯网络的光伏发电项目施工风险评估方法

针对复杂多变的光伏发电项目施工风险评估问题,利用Leaky Noisy-or Gate模型整合历史经验和专家知识来确定贝叶斯网络参数并建立光伏施工风险的贝叶斯网络模型,同时采用Netica仿真分析,对施工风险进行有效预测并诊断识别出关键性风险和敏感性风险,以便管理者精准施策、管控风险。为验证该方法的有效性,以Z项目为例进行建模仿真。结果表明,其施工风险等级为中等,与实际相符。

基于Noisy-orGate和贝叶斯网络的研发项目风险评估方法

在没有充足样本数据时,为有效地管理各种风险,提出一个全新的研发项目风险评估模型,这个模型主要是基于Noisy-or Gate和贝叶斯网络进行评估。该模型在贝叶斯网络节点满足构成Noisy-or Gate模型的前提下,利用历史数据或专家判断得到有效的网络参数,进而推断出每一项风险因素发生的概率,结合风险影响权重得到综合风险影响值,并对比得到高风险因素,为风险管理提供依据。通过与AHP方法评估结果对比表明,该模型可以准确地评估研发项目的风险,从而提高风险管理的效率。

基于贝叶斯Noisy-or Gate网络对潜艇航行隐蔽性评估

针对影响潜艇航行隐蔽性的部分典型因素特点,提出了基于贝叶斯Noisy-or Gate网络对潜艇航行隐蔽性评估的一种概率计算方法和网络模型,该贝叶斯网络利用专家知识分别从潜艇航行过程中的内因和外因分析,确定了主要风险因素,构造出有效的网络结构。对于没有考虑到的其他未知的因素,也会综合为一类因素加入网络中。采用满足Noisy-or Gate模型构造的网络节点参数,能使条件概率的个数减少,计算压力会大幅度地降低。在得不到充足样本数据时,该方法可以简化知识获取,还具有网络节点更新快速,实时性高的特点,可为潜艇隐蔽性航行提供定量评估依据,提高指挥员的决策效率。

“Leaky Gate”模型：痛觉和痒觉信息编码的新学说

痛觉和痒觉信息的编码是科学家们几十年来极度关注和讨论的话题。然而,目前的编码理论(包括:强度学说、特异性学说和选择性学说)都无法解释实验中的所有现象。为了阐明疼痛和瘙痒产生的机制,研究者在脊髓中特异性地标记了一类中间神经元(胃泌素释放肽gastrin-releasing peptide,Gr P)Grp^+神经元,他们在研究了这些中间神经元的功能和特性后,提出了痛觉和痒觉编码的"Leaky Gate(门控泄漏)"模型。该模型的主要内容:脊髓节段存在一类Grp^+中间神经元,该神经元直接接受来自初级感觉神经元的痛觉和痒觉信息的突触传入,Grp^+神经元对痛觉和痒觉刺激的反应表现出不同特性,该类神经元只传导痒和弱痛的信号,在强痛刺激情况下,内源性阿片募集并接近Grp^+神经元,通过并行通路阻止痛的进一步产生。如果Grp^+神经元缺失,痛觉反应增加,而痒觉反应减少。这一新模型是脊髓非单一编码的一个很好范例,也能更好解释人类心理物理研究中的许多发现。

基于Noisy-or Gate的贝叶斯网络机械伤害风险评估

为改进故障树转化成贝叶斯网络时在数值转化中或门转化的缺陷,以某机械加工企业的机械伤害事故为例,使用Noisy-or Gate模型确定故障树中或门因素转化成贝叶斯网络节点的条件概率,降低或门中因0和1概率产生的误差,并与传统故障树转化成贝叶斯网络的模型进行对比分析,最后根据结果分析得出关键影响因素,为机械伤害中故障类型影响分析提供新的思路。

基于FUZZY-BN-FTA的厂区架空燃气管道泄漏可能性研究

为研究厂区架空燃气管道泄漏的故的可能性,提出模糊数学方法、贝叶斯网络模型以及故障树模型相结合的集成模型。通过GeNIe软件建立架空燃气管道泄漏事故的模糊贝叶斯网络模型;引入Leaky Noisy-or Gate扩展模型对模糊贝叶斯网络中节点的条件概率表进行修正,结合基本事件先验概率预测架空燃气管道泄漏的概率值,并引入3个基本事件重要度确定基本事件的重要性排序,同时进行敏感性分析确定主要影响因素,提出控制措施。研究结果表明:厂区车辆撞击、管道疲劳损耗、管材质量不佳、安装设计不合理、焊接缺陷为导致架空燃气管道泄漏的主要因素。研究结果可为工业企业安全管理人员有针对性地制定控制措施,减少事故发生率提供参考。

浅谈基于贝叶斯网络的泵故障诊断方法

针对发电厂水泵系统结构复杂,诊断过程中不确定因素众多的特点,提出了基于贝叶斯网络的水泵故障诊断方法。依据发电厂水泵故障机理,建立水泵贝叶斯网络结构;在定量参数方面,引入leaky Noisy-or模型,简化参数设置,从而克服水泵故障样本数量少导致贝叶斯网络参数设置困难的问题。最后,通过实例验证了基于贝叶斯网络的发电厂水泵故障诊断方法的有效性。

“一带一路”基础设施PPP项目投资风险研究——以东南亚三国为例

基于国内投资方视角,针对“一带一路”基础设施PPP项目投资风险问题,以投资高风险的东南亚三国(柬埔寨、老挝、缅甸)为例,通过调查问卷获得投资风险相关数据,确定高等级风险:政府腐败/不作为、政府信用不足。其次利用贝叶斯网络建立“一带一路”基础设施PPP项目投资风险网络模型,使用改进的Leaky noisy-or gate模型完善网络参数。采用团树传播算法获得东南亚三国投资关键性风险:市场收益不足、外汇风险、政府腐败/不作为,运用GeNIe 2.0软件获得敏感性风险:违背PPP国际规则。并给出“一带一路”基础设施PPP项目投资风险应对措施和投资建议。

用于态势估计的一种构造贝叶斯网络参数的方法

根据态势估计的特点和要求,采用Leaky noisy-or gate模型的方法构造,并将其应用于整个贝叶斯网络中。该方法以离散变量集为研究对象,由于满足构成Leaky noisy-or gate模型的条件,能够利用部分统计信息构造节点的网络参数。文中利用相关的贝叶斯网络推理软件进行了实验。实验结果表明,使用Leaky noisy-or gate模型的方法,对网络参数进行构造是可行的。

信息不完备情况下多因素工序质量诊断方法

为解决信息不完备情况下的多因素工序质量诊断问题,在工艺机理分析的基础上,提出基于贝叶斯网络模型构建与推理的问题溯源方法.在贝叶斯网络结构学习过程中,利用基于评分/搜索的思想对基于工艺的预先假设结构,通过互信息参量排序降低学习复杂度.针对生产过程中随机因素对诊断准确性的影响问题,结合Leaky Noisy-OR模型引入随机参量节点,对数据需求和推理进行降解优化.以沟道磨削表面形貌质量问题的诊断为例,给出模型构建与推理程序,并验证了所构建模型及优化方法的可行性和有效性.

基于泄漏电缆的周界入侵探测系统设计

针对传统周界入侵探测系统存在的定位精度不高及误报漏报率高等问题,设计了一种基于泄漏电缆的新型周界入侵探测系统.根据入侵探测系统的功能需求,将两根经特殊设计的泄漏电缆埋地安装,然后利用现场可编程门阵列实现泄漏电缆中信号的发送和处理,其泄漏的电磁场形成一堵无形的防护区,最后通过自行开发的测试软件实现泄漏电缆远程自动探测流程.实验结果表明,该基于泄漏电缆的入侵探测系统对入侵的定位精度实测达到了5m,具有全隐藏安装、准确定位入侵位置及误报漏报率低等优点.

融合多种神经网络与多特征的答案排序方法

针对答案排序问题,提出并构建融合多种神经网络与多特征的答案排序模型。将问题和候选答案的词向量送入使用Leaky Relu激活函数的卷积神经网络进行学习,得到的学习结果与词汇特征、主题特征等相互拼接,输入到双向门控循环单元,其输出结果经由多层感知器进行处理后,通过softmax分类器得出最终答案排序的结果。实验结果表明,该模型在WikiQACorpus数据集上取得了较好实验结果,准确率略高于已有基线模型,达到74.43%。