供应链网络风险传播SIS-RP模型及仿真

将复杂网络病毒传播动力学中的易染状态-感染状态-易染状态(SIS)模型引入到供应链风险传播研究中,建立了供应链网络风险传播模型(SIS-RP).并以小世界网络为例,从整个供应链网络角度对SIS-RP模型进行了仿真分析.研究表明,各企业应对风险干扰能力的提高能很好遏制风险在供应链网络中的传播,SIS-RP模型能在一定程度上反映风险在供应链网络中的传播演化过程,初步验证了复杂网络理论在研究供应链风险传播问题方面的适用性.     

基于复杂网络理论的组织学习知识传播模型研究

利用复杂网络理论,针对一般组织学习群体,在考虑统一知识吸收率的基础上.引入知识遗忘率因素,采用小世界网络模型来构建组织学习的知识传播模型,通过分析网络的平均知识水平、网络知识扩散的方差和变差系数,研究了组织内知识传播网络模型的传播效率,分析了网络的知识传播速率及网络的敏感性.最后.通过仿真模拟可以得出,基于小世界网络传播机制的具有遗忘因子的知识传播模型能较好地模拟组织学习网络的知识演化机制.     

警报传播过程建模及影响因素

为了研究警报在社会关系网络环境中的传播特征及影响因素,基于多主体建模软件Repast仿真平台,以复杂系统和复杂网络理论为指导,在ER随机网络和WS小世界网络模型的基础上建立了警报的传播模型.对社会关系网络结构和信息源节点规则进行不同设置,通过对模拟结果的研究发现具有高聚类系数的网络结构和信息源选择高连接度的节点时,警报通知的传播效率明显提高.     

基于小世界网络的企业集群知识传播模型

在企业集群理论的基础上,将小世界网络的思想引入企业集群知识管理系统中,运用小世界网络的构成方式,以企业集群员工为企业集群的网络节点,建立了基于复杂网络理论的知识传播模型,描述了知识在企业集群中的传播机理,探讨了知识在企业集群网络中的传播规律,分析了在加快企业集群网络知识传播中员工的主体作用。     

非平衡涨落驱动的小世界网络分岔

利用复杂网络理论和非平衡统计理论,考察了非平衡涨落因素对小世界网络传播行为的影响．在小世界网络传播模型的基础上引入非平衡涨落因子,利用求解Fokker—Plank方程的随机微分方程方法,分析了非平衡涨落驱动下的小世界网络传播稳定性．研究发现非平衡涨落会触发网络状态失稳,出现分岔现象．在一定程度上揭示了复杂网络对某些参量敏感的起因,对更好地解释现实世界中的许多小世界网络对参数敏感的现象有重要意义,为实现对小世界网络稳定性控制提供新的思路．     

基于小世界网络的复杂系统故障传播模型

为了从复杂机电系统自身固有的网络拓扑结构出发来研究故障的传播机制，采用小世界网络理论分析方法，对系统网络拓扑结构统计特性进行分析，建立了基于小世界聚类特性的故障传播模型．结合故障的扩散强度，按照分步扩散的原则对故障传播的过程进行了描述，同时用蚁群算法求得扩散能力最强的故障传播路径及相应的关键节点．用该模型对喷射发动机的故障传播过程进行分析，结果表明，该方法可以有效地找到系统中存在的脆弱点，从而为设计改进和故障预防提供了重要依据．     

非平衡涨落对小世界网络传播行为的影响

本文利用复杂网络理论和非平衡统计理论,考查了非平衡涨落因素对小世界网络传播行为的影响。在Newman,watts,Moukarzel以及X．S．Yang提出小世界网络传播模型的基础上引入非平衡涨落因子,利用求解Fokker--Plank方程的随机微分方程方法,分析了非平衡涨落驱动下的小世界网络传播稳定性。研究发现非平衡涨落会触发网络状态失稳,出现分岔现象。在一定程度上揭示了复杂网络对某些参量敏感的起因,对更好地解释现实世界中的许多小世界网络对参数敏感的现象有重要意义。为实现对小世界网络稳定性控制提供了新思路。     

三相桥式整流电路的小世界网络模型分析

以小世界网络理论为依据,对三相整流电路进行网络拓扑分析,构建各种短路和开路等情况下的小世界网络模型,计算特征参数,并归纳总结其网络特征和特性,探究其规律.     

基于复杂网络理论的互联网病毒传播的控制技术分析

以具有小世界和无标度的拓扑结构特征的互联网为研究对象,在流行病学模型基础上进一步考虑了网络连接、关联性等因素,利用复杂网络理论细致分析了互联网病毒传播的局域控制技术.     

具恢复机制的相依电力-信息网络连锁故障传播

为了研究具有恢复机制的电力-信息网络连锁故障传播,基于相依网络理论,建立了IEEE300节点系统电力网与双星型结构信息网的电力-信息相依网络模型.分析复杂网络统计特征参数可知,电力网和信息网均具有小世界和无标度特性.利用相依电力-信息网络的连锁故障模型,对BA,WS和ER 3种不同的相互依存网络进行鲁棒性分析,提出了一种具有恢复机制的相依网络连锁故障传播模型.仿真结果表明,与目标恢复机制和随机恢复机制相比,依赖恢复机制的恢复级别更高,而且这种优势随着故障阈值的减少而提高.     

一种电子电路的小世界网络自动实现方法

以小世界网络理论为依据,介绍用Matlab程序计算电子电路的小世界网络特征参数及由邻接矩阵自动生成小世界网络图的方法,通过实例验证,获得满意的结果.     

复合型工艺风险评估模型的研究及其现场应用

充分考虑石化装置的复杂工艺特点,建立了基于贝叶斯网络的危险与可操作性研究(HAZOP)、保护层分析(LOPA)、领结分析(Bow-Tie分析)于一体的复合型工艺风险评估模型.首先编制系统故障树,将其映射成对应贝叶斯网络,利用Ge NIe软件实现贝叶斯双向推理进行故障预测和诊断,找出最容易导致事故的风险贝叶斯故障节点;然后运用HAZOP-LOPA集成分析研究该节点参数出现偏差的原因及后果,通过独立保护层失效概率评估风险等级;最后对剩余风险等级较高的事件进行Bow-Tie分析,辨识出使保护层持续有效的关键活动,进而控制后果严重的工艺安全事故.以辽河石化公司的延迟焦化装置为例对该风险评估模型进行了现场应用.     

基于复杂网络的快递网络性质分析

利用复杂网络的工具,对真实的快递网络进行了实证分析,得到了快递网络的基本统计性质,发现真实的快递网络是具有小世界特性和无标度特性的网络.并讨论了快递网络的社团结构,比较了社团结构划分结果和实际的异同.     

基于部分频率复用的超密集网络覆盖率性能分析

在超密集小小区网络中,通过区分视距传播和非视距传播,提出了使用部分频率复用的策略,以提高用户通信质量,并基于随机几何理论和概率论推导出表征用户通信质量的覆盖率表达式.仿真结果表明,当小小区用户密集到一定程度时覆盖率会降低,而采用部分频率复用策略可以提高覆盖率,在用户信干噪比阈值较高时提升效果尤为明显.     

正式网络中施工组织安全行为传播仿真分析

为了降低建筑施工安全事故发生率,借鉴社会网络理论与博弈论,使用多主体建模的方法模拟施工组织正式网络中组织安全行为传播的过程,通过Netlogo软件的行为空间工具收集不同情境下的仿真数据,使用回归分析方法分析网络结构特征和安全行为传播参数对组织安全行为的影响机制.结果表明:网络密度、出度中心势、聚类系数显著正向影响组织安全行为;中间中心势、平均路径长度显著负向影响组织安全行为;入度中心势对组织安全行为没有显著影响;组织自我学习安全行为的能力、传播安全行为的能力、吸收安全行为的能力、传播安全行为的概率、接受安全行为的概率显著正向影响组织安全行为.     

航空器离场管制关键环节识别及风险传播研究

航空器离场风险识别是民航安全生产的重要环节，但目前研究多面向航空器运动过程和静态危险源，忽略了管制业务影响和风险动态传播机理．针对此问题，本文提出了基于复杂网络的离场管制关键点识别及风险传播模型．首先，抽象管制信息交互和业务逻辑，构建复杂网络并量化各节点重要度，然后考虑安全管控延迟效应，定义风险产生、传播及恢复规则，形成离场管制风险动态传播模型．实验结果表明：本文模型能再现风险传播机理和规律，机组等10个节点为风险传播关键环节，机组对风险扩散作用最强，传播成功率峰值为0.519，塔台管制员和地面管制员为危险源时能激发其他节点进行风险控制，针对关键节点实施安全管理能有效抑制风险传播．     

复杂网络上的知识传播模型

针对知识在知识合作网络中的传播特征,结合复杂网络理论,提出了一种网络上的知识传播模型．该模型将由知识扩散所引起的知识增长当作一种知识产品的合作生产,引入柯布-道格拉斯生产函数,并分别考察在个体不进行知识自我增长和进行知识自我增长情况下的知识传播．研究结果表明,在其它条件相同的情况下,网络的随机化程度越大．网络中知识的扩散速度越快,知识的分布越均匀。     

城市快速路实时交通流运行安全主动风险评估

基于上海市快速路系统采集的线圈检测器数据和事故数据,应用贝叶斯网络(BN)模型对快速路实时交通流参数与事故风险进行建模分析,并利用可有效应对缺失数据的高斯混合模型和最大期望算法分别对BN模型输入和参数进行估计,进而主动评估快速路实时交通流运行安全风险,并对事故状态提前做出预警.分别对可能事故点前后2组检测器和4个时间段的8组交通流数据进行了建模,结果表明使用事故发生地点上下游各一个检测器在事故发生前5~10min内的交通流数据建立的BN模型效果最好,事故预测准确率为76.94%.最后不仅与朴素贝叶斯分类、K近邻、反向传播(BP)神经网络等经典事故风险估计算法进行了对比分析,还与现有的实时风险评估成果进行了对比,结果表明BN模型预测效果最好.     

基于神经网络的人工肌非线性控制

运用非线性控制的逆系统方法,提出了一种基于神经网络的人工肌非线性控制方案,由原系统导出n-m阶逆系统模型,并与原系统一起构成具有反馈结构的伪线性系统,从而可方便地运用线性控制理论完成对控制系统的设计,用BP神经网络逼近逆系统模型,并借助于递推预报误差算法来训练神经网络,该算法与传统的BP算法相比具有更好的收敛特性,设计了一个具有单关节的人工肌试验系统,给出了人工肌关节跟踪正弦波和矩形波参考信号的试验结果,与传统的线性控制方案比较,基于神经网络的人工肌非线性控制方案能够得到更快的控制速度和更高的控制精度。