基于Bayes网络的项目风险评估方法研究

本文研究了项目风险评估的建模方法 ,通过与其它传统的项目风险评估方法比较 ,针对项目风险评估的信息不完备、具有一定不确定性的特点 ,选择Bayes网络建立项目风险评估模型。本文内容适合于在不确定环境下 ,信息不完备时的项目风险评估     

基于定量风险评估的建筑火灾保险费率

火灾保险是有效应对火灾风险的重要手段,根据建筑的火灾风险准确厘定建筑的火灾保险费率是保险行业关心的问题。当前的建筑火灾保险费率主要基于保险市场的统计数据得到火灾的发生频率和期望损失,然后再根据建筑的风险评估结果进行浮动调整。这种方法难以精确反映建筑的火灾风险,得到的保险费率也较为粗略。该文构建了建筑火灾费率的定量厘定模型,采用Bayes网络的方法计算建筑起火概率,并采用拉丁超立方采样的方法,对建筑火灾不同阶段的烧损率进行了分层采样,得到火灾损失的复合概率分布估计,从而对具体建筑的火灾风险进行定量评估,再根据风险评估的结果对保险费率进行了厘定。选取了15户家庭,根据风险评估的结果厘定了保险费率,并将结果与保险市场火灾纯保险费率进行了比较。结果表明,该模型更能反映火灾风险的差异化水平,得到的保险费率更具有公平性。     

基于模糊贝叶斯网络的高层建筑火灾风险评估方法

为量化分析高层建筑火灾事故的风险因素,提出基于模糊贝叶斯网络的高层建筑火灾风险评估方法。首先分析37起典型事故调查报告,基于火灾事故致险机理并依据《建筑设计防火规范》(GB 50016—2014)等国家规范和技术标准,从建筑防火能力、建筑灭火能力、应急疏散能力、安全管理能力4个方面建立指标体系;然后基于专家知识结合模糊数学量化各要素的先验概率并确定条件概率,通过构建模糊贝叶斯网络模型,运用Netica软件进行分析,得出各要素的发生概率;最后以H小区进行了实例验证与分析。结果表明：小区高层建筑风险等级为Ⅱ级中等水平,与小区实际情况相符,验证了该方法的可行性和合理性,为高层建筑火灾风险评估优化完善提供参考借鉴。     

基于Bayes网络的航空图象理解模型

提出一种基于Bayes网络的图象理解模型,用于检测与描述城市航空图象中的停车场、空地、房屋等二维和三维目标.模型首先使用一种基于感知组织的算法生成焦点区域,然后使用Bayes网络建立焦点区域的图象特征与目标之间的(不确定性)联系,由Bayes网络推理机制完成对焦点区域的识别.对于屋顶区域,模型使用一种基于DEM(digitalelevationmap)方向直方图的匹配算法进行模板匹配,生成房屋的三维几何模型描述.模型中所有Bayes网络组成层次结构,可以方便地增加被识别目标的种类;图象特征与提取图象特性的算法之间由一种称为证据源的数据结构相连接,可以方便地扩充图象特征的提取算法.由此实现了模型的易扩展性.实验结果表明了本文模型的有效性.     

基于火灾动力学和概率统计理论耦合的建筑火灾直接损失预估

以火灾成长概率和火灾发生后的过火面积为评价指标，探讨对建筑火灾过火面积的预估方法。依据火灾动力学和火灾发展过程中不同阶段的特点，将火灾由初期发展蔓延到整个防火分区的过程划分为4个阶段，采用概率论和事件树的分析方法，得到了每个阶段的火灾成长概率。根据不同阶段火灾的特点，求得了各阶段火灾的临界时间，并以此为基础对火灾发生后建筑物平均过火面积进行了预估。     

基于聚类分析和AHP的商场类建筑火灾风险评估

根据商场类建筑的火灾特点,以半定量和定性相结合的层次分析法建立了商场类建筑火灾风险评价体系.采用专家问卷调查的方式,利用层次分析法和聚类分析确定了评估体系中的指标权重值,然后根据评分手册对指标因子进行打分,计算出火灾风险评估值,进而确定建筑物的火灾风险等级.将此体系运用到武汉某服饰商城,验证了该评价体系的实用性和可靠性.该评价体系不仅可用于我国消防评估,还可广泛用于保险等相关行业.     

基于Bayes网络的微波视频融合车辆分类

车辆分类系统是智能交通系统中的一个重要组成部分,其功能是检测车辆类型,为道路监控和交通规划提供信息。该文提出了一种基于Bayes网络的传感器融合车辆分类系统,通过微波和视频传感器分别得到车辆的高度轮廓和平面轮廓,采用混合Gauss分布对提取的车辆特征建模,然后在Bayes网络的框架下对7类车辆进行分类。实验表明:该分类系统可以将车辆分类的准确率从单微波传感器的79%提高到融合传感器的87%,特别是中小型车辆和大型车辆之间的重大分类错误率从9%降低到2%。     

基于灰色层次的城市火灾风险评估

建设一个安全的城市是城市规划的重要课题,而城市区域火灾风险评估是科学有效地进行城市消防规划建设和消防法规制定的重要依据。本文针对城市火灾危险的特点,通过分析影响居住区和消防安全重点单位火灾安全的各种因素,分别建立了居住区、消防安全重点单位的火灾风险评估指标体系,运用层次分析法计算各指标层的权重;同时针对层次分析法的不足,提出将灰色系统理论与其相结合的分析方法,即根据由各影响因素的隶属度综合确定的评价指标分值,求出各指标的灰色评价权向量以及权矩阵,从而确定城市的火灾危险性等级。     

基于大涡模拟的某建筑火灾再现研究

将计算机数值模拟技术应用于火灾再现,采用FDS(Fire Dynamics Simulator)软件对一起建筑火灾事故进行再现研究.根据火灾现场勘查报告和现场照片建立了仿真模型,根据数值模拟得到的火势发展、温度变化和通风条件,分析了受火建筑各区域的燃烧程度.由分析结果与火灾现场勘查笔录比对的吻合程度,验证了模拟结果的合理性,从而旁证了起火点判断的合理度.     

风险评估在建筑中庭消防设计中的运用

本文以某高层办公楼为实例，在对该建筑中庭进行消防安全风险评估的基础上，提出了中庭不设置防火卷帘的设计方案，并进一步提出了对所有建筑中庭形式进行风险评估的思路与展望。     

基于信息扩散理论的福建省森林火灾风险评估

以福建省1998-2011年的森林火灾统计数据为基础,应用信息扩散理论的模糊数学方法,建立森林火灾风险评价模型,从森林火灾发生率、重大火灾次数和受害面积三个指标对福建省森林火灾风险进行定量评估.结果表明福建省年森林火灾发生率主要集中在10次以下,年重大森林火灾主要集中在12次以内,受害森林面积发生在3 600hm2时概率最高,森林火灾受害面积相对分散,且近年来福建省森林火灾有明显的增加趋势.最后,基于孕灾环境、致灾因子和承灾体对福建省森林火灾风险进行定性分析,以揭示福建森林火灾发生规律,以期为相关部门制定防灾减灾政策提供科学依据.     

建筑火灾中基于大涡模拟的场区复合数值模型及其应用

结合大涡模拟技术,采用体积守恒压力修正的区域模型发展了一种新的火灾过程场区模拟程序.采用低Mach数近似下的三维可压缩Navier-Stokes方程,和有限差分法计算了滤波后的控制方程,对着火房间内的烟气运动过程进行有效的模拟.对一个模型多室建筑以及一个真实尺寸多室建筑内的火灾烟气运动过程进行数值模拟,并将模拟结果与实验数据进行对比.结果显示该方法能够较好地描述建筑火灾中的烟气运动规律.其模拟结果能够为建筑消防安全的性能化设计提供参考.     

基于ZigBee智能网络的建筑火灾预警系统

针对传统建筑火灾预警系统的不足之处,提出基于人工嗅觉和ZigBee技术的火灾早期预警系统,详细叙述了系统网络的搭建、智能传感器节点的设计、火灾早期识别和火源定位方式.火灾模拟实验表明,系统能有效感知并识别火灾种类,实现火源的定位.     

基于主观Bayes方法的甲状腺专家系统模型

确定并实现了一个基于主观Bayes方法的甲状腺专家系统模型，讨论了主观Bayes方法的数学基础，给出了不确定性推理网络的算法描述，并且将理论研究的结果运用于甲状腺专家系统的设计和实现，举例说明了网络推理过程，不确定性推理的应用进行了有益的探讨。     

基于故障树和Bayes网络组合的装备故障诊断

针对故障树和Bayes网络在故障诊断中的局限性,提出一种使用故障树和Bayes网络组合的方式建立诊断故障Bayes网络,并基于诊断故障Bayes网络运用联合树推理进行故障诊断的方法.该方法解决了在复杂系统故障诊断过程中独立运用故障树和Bayes网络出现故障推理能力弱和建模难等问题.实验结果表明,使用该方法对某型舰船上的甲板灯光照明系统进行故障诊断,得出了各个故障征兆节点或故障原因节点的概率分布,从而可快速准确地定位甲板灯光照明系统故障.     

基于AHP和熵权法的古建筑火灾风险评估

古建筑潜在火灾风险的评估对古建筑火灾防控有重要意义。以西安市回民街古建筑为例,基于实地调研识别出古建筑火灾风险的评估要素,并构建包括古建筑特征、火灾危险源、建筑消防设施、消防管理能力、火灾处理能力等5个一级指标和18个二级指标的古建筑火灾风险评价指标体系。同时,通过引入主、客观偏好系数,将基于AHP和熵权法分别计算得到的权重进行线性加权,得到风险评价指标的综合权重,并构建模糊综合评价模型。运用该评价模型对西安市回民街进行火灾风险评估,其评估等级为Ⅳ级,表明火灾危险性为较危险。通过具体分析5个一级评价指标得分,发现需要在古建筑特征、建筑消防设施以及火灾处理能力等方面进一步改善和提高,从而降低风险等级。该评价模型评价指标权重确定更为客观,可适用于多数古建筑,对科学防控古建筑火灾有重要参考意义。     

用于机械故障诊断Bayes网络的MLE学习方法

组建完成了一个用于机械故障诊断的具有两层节点结构的Bayes网络模型,利用Bayes网络的强大学习功能,探讨了当学习样本集完整时,采用MLE(最大似然估计)法则来合理地调整网络模型的CPT表值,使之更加符合特定机组的运行情况,从而为网络模型的判断推理做好了准备。     

Bayes网络学习及其在文本检测中的应用研究

针对大规模Bayes网络的条件概率赋值问题,提出一种学习方法．首先使用类层次结构定义一种新的层次Bayes网络模型,用于表示大规模Bayes网络．然后将训练数据集由单个数据表的形式转化成多表数据库,其中每个数据库表对应1个Bayes网络模块．在此基础上导出条件概率计算公式,从每个数据库表中算出相应的Bayes网络模块的条件概率表,由此实现对整个层次Bayes网络的概率赋值．可通过适当增加数据库表的数目来控制每个表中属性的个数,保证计算的可行性．最后将本层次Bayes网络及计算公式用于解决图像中文本的自动检测与定位问题,实验结果表明了它们的有效性．     

基于模糊理论的供应网络风险评估

为了定量化风险因素间的复杂的、不确定的关系,建立一个模糊模型来进行风险评估和风险管理．通过该模型可以在当前状态下,预测未来潜在的风险因素．在风险评估和优先排序的基础上,管理者可以有目的地对特定的风险因素采取恰当的风险管理措施．结果表明,由于各风险因素问的相互作用,企业目前面临的风险因素的权重值在未来会发生变化．