基于面向对象贝叶斯网络的软件项目风险评估

针对软件项目的特点和软件项目风险定量评估任务,提出了基于面向对象贝叶斯网络的风险评估方法。该方法通过分析软件项目生命周期中的具体风险与风险因素之间的因果关系,建立面向对象贝叶斯网络拓扑结构;由专家判断和工程经验确定网络中的概率参数;采用概率推断工具,可定量估计风险的发生概率。给出了风险贝叶斯网络的建模过程,讨论了风险贝叶斯网络可以完成的风险管理任务。通过一个简单例子说明了该方法的应用。     

基于贝叶斯网络的商业银行全面风险预警系统

贝叶斯网络能够用条件概率较好地表达不确定性因果关系, 并进行一定的推理. 基于商业银行全面风险管理的复杂性, 较难采用传统方法构建预警系统, 采用贝叶斯网络, 通过构建商业银行全面风险的拓扑结构, 将各类风险诱因对商业银行全面风险的影响纳入到具有因果关联的网络结构中, 测算了各类指标对全面风险的影响程度, 并通过预警系统的灯号模型, 直观地展示了风险因素对商业银行全面风险的影响, 以便帮助商业银行及时采取措施化解风险.     

人机环耦合效应下卫星天线装配概率风险分析

卫星天线展开机构装配工序复杂，主要依赖人工装调，装配过程中可靠性安全性风险因素众多且相互耦合，直接影响天线装配质量和效率。为此，提出一种基于贝叶斯网络的概率风险评价方法。首先，在全面识别装配过程风险因素的基础上，构建事件树模型，并采用贝叶斯网络建立考虑人机环风险耦合的中间事件可靠性模型。然后，采用人因可靠性等方法进行模型量化与不确定性分析，并开展敏感性分析与风险重要度排序。最后，以某型星载合成孔径雷达(synthetic aperture radar, SAR)天线展开机构为例，说明了所提方法的工程适用性。该方法可为飞船、运载火箭等人机耦合系统的风险分析与量化提供一定的参考。     

面向复杂仿真因果追溯的行为建模方法

基于行为建模的因果追溯方法是解决复杂仿真分析中因果关系追溯问题的一种思想。该思想依据仿真系统运行结果数据,重新构建描述因果关系的行为模型,并基于这些行为模型进行因果追溯。为了建立良好有效的行为模型支持追溯,首先介绍了因果关系的概念及其结构描述;然后将追溯划分为三个层次:系统表层、系统深层以及组合层,最后选取事件图行为模型为基本模型,按照这些层次分别对其进行扩展,从而获得不同层次的行为建模方法支持因果关系的描述和建模。     

基于故障树的复杂装备模糊贝叶斯网络推理故障诊断

复杂装备的小批量、个性化定制属性, 注定了其生命周期过程中存在着相对较多的不确定性, 故障隐患必不可免, 故障诊断尤为重要。因此,提出基于故障树的复杂装备模糊贝叶斯网络推理故障诊断模型。首先, 通过分析复杂装备的结构组成, 建立复杂装备的故障树模型。其次, 利用故障树转化法, 构建基于故障树的贝叶斯网络拓扑结构。然后, 针对复杂装备结构数据缺乏和专家打分的不确定性, 通过模糊集合论方法确定条件概率等参数。最后, 进行案例研究, 利用模糊贝叶斯网络推理中的因果推理和诊断推理, 诊断出案例中的故障(潜在故障)节点, 证明了所提方法的有效性。研究成果不仅解决了贝叶斯网络中利用搜索函数构建最优网络不符合实际的问题, 也通过模糊集合论解决了复杂装备数据缺乏和专家打分不确定性的不足。所提模型不仅适应于过程诊断中故障的确定, 同时也适用于事前诊断中潜在风险的识别, 而且对于故障(或潜在故障)节点的改善效果还能起到检测评估的作用。     

用于离散变量因果分析的贝叶斯网络学习

针对现有基于贝叶斯网络离散变量因果分析方法具有低效率和局限性等问题.使用依赖分析方法建立贝叶斯网络骨架,结合碰撞识别方法、变量之间的预测能力和描述长度极小准则确定边的因果方向,进行具有多项式复杂度的离散变量因果贝叶斯网络学习来避免这些问题,并给出了因果贝叶斯网络中定量因果信息传递计算方法.同时,针对小样本情况建立了因果最大似然树学习方法.     

基于贝叶斯网络的装备作战效能仿真结果分析方法

针对由于装备作战效能仿真过程中因素之间的非线性、不确定关系造成的仿真结果数据分析困难的问题,提出了使用贝叶斯网络进行作战效能仿真结果分析的基本思路。论述了基于贝叶斯网络的作战效能分析模型的建模方法和基本流程,提出了正向探索模式、态势扰动分析模式、因果追溯分析模式和截断分析模式四种基于贝叶斯网络的效能分析模式。通过实例分析得出:在仿真结果分析中使用贝叶斯网络可以得到比传统分析方法更深入、更直观的结论。     

贝叶斯网络在可靠性分析中的应用

针对故障树分析方法在可靠性分析中的局限性,研究了贝叶斯网络在可靠性分析中的应用,给出了故障树向贝叶斯网络转化的方法,以及基于贝叶斯网络求解顶事件发生概率、最小路集、最小割集和底事件重要度的算法.最后对大亚湾核电站紧急停堆失效进行了分析,并与故障树分析的结果进行了比较,结果表明,基于贝叶斯网络的建模分析方法可以得到更丰富的信息.     

基于贝叶斯网络的团队仿真训练情景生成方法

对于基于EBAT的团队仿真训练,情景的有效生成直接决定了实际的训练效果.为解决随机条件下,考虑关键事件因素的情景生成问题.在对情景生成过程建模的基础上,引入训练目标、事件、关键事件等要素,提出情景贝叶斯网络模型.基于贝叶斯网络推理方法,建立情景贝叶斯网络推理的数学模型,并提出启发式推理方法.针对情景案例进行建模及推理实现,并对结果进行分析.结果表明,关键事件重要程度影响下的情景贝叶斯网络建模及启发式推理,能直接提高关键事件对情景生成结果的控制能力,从而使情景生成结果更为有效.     

基于动态影响网的任务联盟演化过程行动策略优选

优化选择一定的行动策略能促使任务联盟向期望的目标效果演化。考虑部分事件/行动在不同时段下影响强度不相一致,使用考虑影响值时变的动态影响网对联盟演化过程行动策略优选问题进行建模,给出因果强度逻辑下概率传播参数设计的一致性条件,并基于因果强度逻辑进行影响值计算。基于物种进化中存在基因漂流的特性,设计一种学习型遗传算法(learnable genetic algorithm, LGA)对行动策略优选模型进行优化求解,通过染色体种群对优秀染色体优势基因位学习,结合有效的遗传和选择算子,加快算法收敛寻优速度。结合空中进攻作战想定案例进行仿真验证,计算结果表明,在部分事件/行动节点影响值变化下进行策略优选,提高了对因果关系的建模能力,所提的学习型遗传算法具有良好的收敛性和较好的寻优能力。     

模糊情形下基于贝叶斯网络的可靠性分析方法

确定性的可靠性分析方法在描述模糊情形下的逻辑门与事件时表现出了局限性.为能在模糊情形下进行可靠性分析,利用贝叶斯网络对不确定性问题具有良好描述能力和推理能力的特点,提出一种基于贝叶斯网络的可靠性分析方法.该方法在采用贝叶斯网络进行系统可靠性建模基础上,提出了一个重要的概念:置信割集;并给出了计算强割集的算法.这种基于贝叶斯网络的可靠性分析方法能较好地刻画系统中存在的模糊性,丰富了割集理论,使可靠性分析更加接近实际.最后,举例说明了算法的有效性.     

Risk reduction in a project portfolio

The positive impacts of managing projects as a portfolio are quantified by comparing the value of the integrated risk of a project portfolio and the aggregation of single project risks implemented separately. Firstly, the integrated risk is defined by proposing risky events based on set theory. Secondly, as projects interact with each other in a project portfolio, the integrated risk is evaluated by using a Bayesian network structure learning algorithm to construct an interdependent network of risks. Finally, the integrated risk of a practical case is assessed using this method, and the results show that the proposed method is an effective tool for calculating the extent of risk reduction of implementing a project portfolio and identifying the most risky project, so as to assist companies in making comprehensive decisions in the phase of portfolio selection and portfolio controlling.     

Study of testability measurement method for equipment based on Bayesian network model

To analyze and evaluate the testability design of equipment, a testability analysis method based on Bayesian network inference model is proposed in the paper. The model can adequately apply testability information and many uncertainty information of design and maintenance process, so it can analyze testability by and large from Bayesian inference. The detailed procedure to analyze and evaluate testability for equipments by Bayesian network is given in the paper. Its modeling process is simple, its formulation is visual, and the analysis results are more reliable than others. Examples prove that the analysis method based on Bayesian network inference can be applied to testability analysis and evaluation for complex equipments.     

基于广义连续时间贝叶斯网络的指挥控制网络系统可靠性分析

指挥控制网络作为典型的复杂网络系统，其可靠性通常可以利用动态贝叶斯网络(dynamic Bayesian network, DBN)来分析。由于DBN并不能很好地解决包含时间和非时间事件的指挥控制网络系统可靠性问题，因此提出一种具有二态条件概率表的广义连续时间贝叶斯网络(generalized continuous time Bayesian network, GCTBN)的建模方法。在此模型的基础上，得到了不同逻辑门的可靠度算法求解，进而针对指挥控制网络系统提出了无线电传播、通信设备以及网络的可靠性分析方法，从而综合地考虑到指挥控制网络执行不同任务的可靠性问题。通过对指挥控制网络可靠性问题的实际案例分析，验证了所提方法的有效性。     

基于故障树和贝叶斯网络集成的重大工程弃渣场风险诊断与预测

伴随建设交通强国，越来越多的穿越西部地区的公路、铁路等线性基础设施类重大工程均需要建设大量隧道并通过弃渣场安置隧道洞渣。相应地，很多大规模弃渣场不可避免选址在复杂艰险环境地区，在自然环境和人类活动的共同影响下，弃渣场潜在的崩塌、滑坡和泥石流风险，对水土保持、生态环境和生命财产威胁巨大。首先，从系统视角出发，构建弃渣场系统风险分析逻辑框架；然后，根据对弃渣场系统的生命周期阶段划分，结合引起风险的管理行为和自然环境因素，提出弃渣场系统故障事件识别分析逻辑框架，用于构建弃渣场系统风险分析故障树。进一步，通过逻辑关系转化规则设定，将故障树转化为贝叶斯网络结构，并引入专家评判确定贝叶斯网络节点间的条件概率，将专家知识转化为用于诊断与预测重大工程弃渣场系统风险的贝叶斯网络模型。通过一个大型弃渣场的灾害实例进行了说明，揭示了如何通过故障树和贝叶斯网络将专家知识进行综合集成，以支撑复杂艰险环境条件下重大工程弃渣场的风险管理。     

基于贝叶斯网络的质量管理实践对绩效的影响评价

提出了将结构方程模型与贝叶斯网络相结合, 对因果关系进行预测和诊断的方法. 该方法既发挥了结构方程模型基于理论的实证证实能力, 又突出了贝叶斯网络处理非线性关系及预测和诊断的能力, 有利于管理决策的制定. 进一步将该方法应用到质量管理实践与绩效关系的研究中, 明确了质量管理实践、质量绩效和企业绩效间的影响关系, 为企业有效的质量决策提供了依据. 该方法同样可应用于顾客关系管理、风险评价等领域.     

基于涌现鉴别的安全性分析

工程上对系统要素潜在危险交互作用的鉴别方法有迫切需求。论述了工程系统安全性是一种涌现特性,指出应将其作为复杂系统问题来开展研究。综合运用复杂性研究成果、功能模拟原理、目标树-成功树建模技术,提出了基于一体化安全风险模型开展涌现鉴别研究的基本方法。结合“阿波罗15号”飞船案例,验证了基于安全风险模型开展涌现鉴别的适用性。研究成果为解决复杂工程系统安全性问题提供了新的思路和分析手段。     

基于贝叶斯学习的复杂系统研制风险演化分析

大型复杂装备的系统结构和研制流程呈现网络化特征,研究风险演化机理有助于控制风险、降低复杂性.通过系统动态过程建模仿真获取数据样本,运用贝叶斯学习从仿真数据样本中提炼风险演化网络,识别不同风险等级的节点之间存在的关联关系,降低了仅凭经验构建风险网络的主观性.对贝叶斯学习获得的风险网络进行概率推理,在总体高风险等级下计算风险网络节点的风险后验概率分布,进而确定风险演化关键节点和传播链路.最后,通过与复杂网络特征指标评估下的静态特征进行对比分析,研究风险网络动态特征与静态特征的差异性,结果表明网络结构特征和风险传播的动态特征共同决定了风险演化关键节点和传播链路.