基于贝叶斯网络的油田管道失效概率计算

针对事故树分析法不能对管道风险进行多态性分析,且无法实现双向推理问题,提出一种基于贝叶斯网络的油田管道失效概率计算方法.首先,建立油田管道失效风险事故树模型,利用事故树与贝叶斯网络的转换确定贝叶斯网络结构,完成管道失效风险贝叶斯网络模型结构的构建;其次,考虑到由专家知识经验及期望最大化算法确定的网络参数存在较大的估计误...     

低渗透率智能网联环境下高风险事件预警方法

提出一种低渗透率智能网联环境下高风险事件预警方法。具体而言，基于熵能表征系统状态的特点提出交通熵的概念，将个体车辆的微观驾驶行为量化为交通熵，以表征交通流状态；再将交通熵作为长短时记忆网络模型（Long Short-term Memory， LSTM）的输入参数建立预警模型；最后，使用HighD轨迹数据集提取高风险事件，并验证模型有效性。结果显示，使用交通熵的模型误报率和漏报率大幅降低。以智能车渗透率10 %为例，误报率和漏报率分别从6.18 %和11.47 %下降到了1.95 %和3.12 %；在预测模式下，对高风险事件误报率和漏报率为2.28 %和3.82 %。     

基于信息融合的配电柜故障电弧预警系统研究

针对目前配电柜故障电弧预报警系统存在预警准确性差、误报率高等问题,结合信息融合技术在故障检测诊断中应用,提出了基于信息融合技术的配电柜故障电弧预警系统的一般模型。该模型以燃弧前的弧声信号为预警信号,运用贝叶斯最小风险准则进行融合计算;进而得出故障电弧燃烧前的预警判决信号。并用仿真结果证明了该算法的有效性。     

工业网络流量异常检测的概率主成分分析法

针对主成分分析(PCA)法用于工业测控网络流量异常检测时存在的误报率高的问题,提出了一种基于概率主成分分析(PPCA)的检测算法.首先通过分析误报成因,建立了工业测控网络流量矩阵的PPCA模型,然后使用迭代变分贝叶斯算法辨识该模型的参数,再利用模型参数估计值求解流量矩阵的秩的分布函数并得到秩的极大似然估计值,最后以秩的跃变状况为判据进行异常流量检测.模拟攻击实验表明,该方法使漏报率平均下降了32%,从而有效降低了PCA方法的误报率.     

基于贝叶斯决策模型的火灾报警模式识别系统应用研究

针对火灾报警系统中探测器在域值附近由于各种原因出现高漏报率和误报率的情况,提出了将探测器的量测判断作为一种模式进行决策分类.在分类过程中采用贝叶斯决策的方法,将报警的模式分类简化为离散情形下的二值分类的研究,同时依据分类平均风险最小的原则给出了分类的决策函数.实验表明本文提出的解决方法在减少火灾报警系统中的误报率和漏报率方面找到了一个新的方法.结论表明探测器临界局部取值采用模式分类的方法可以达到了比较好的效果.     

基于误用检测与异常行为检测的整合模型

针对入侵检测中普遍存在检测率低与误报过高的问题,采用基于多维-隐马尔可夫模型的检测方法和基于Apriori算法的误用检测技术相结合的入侵检测系统(intrusion detection system,IDS)模型.新模型减少了单纯使用某种入侵检测技术时的漏报率和误报率,同时在异常检测模块中采用了隐马尔可夫与简单贝叶斯分...     

基于卷积神经网络的网络入侵检测系统模型

针对传统入侵检测算法普遍存在的检测准确率偏低、误报率高和对未知安全威胁检测的不足等问题,利用卷积神经网络的数据特征提取自主发现和提取的技术特征以及高准确率,提出一种基于卷积神经网络算法的网络入侵检测系统模型,公开数据集测试结果显示该模型较传统的入侵检测方法有较高的准确率和较低的漏报率。     

深度学习源代码缺陷检测方法

针对由于传统的源代码缺陷分析技术依赖于分析人员的对安全问题的认识以及长期经验积累造成的缺陷检测误报率、漏报率较高的问题,提出了一种深度学习算法源代码缺陷检测方法.该方法根据深度学习算法,利用程序源代码的抽象语法树、数据流特征,通过训练源代码缺陷分类器完成源代码缺陷检测工作.其依据的关键理论是应用深度学习算法及自然语言处理中的词嵌套算法学习源代码抽象语法树和数据流中蕴含的深层次语义特征和语法特征,提出了应用于源代码缺陷检测的深度学习一般框架.使用公开数据集SARD对提出的方法进行验证,研究结果表明该方法在代码缺陷检测的准确率、召回率、误报率和漏报率方面均优于现有的检测方法.      

利用确定性树突状细胞算法在线检测僵尸网络

将人工免疫系统算法应用于对僵尸网络的实时监测,提出一种基于确定性树突状细胞算法的在线检测模型.通过结合僵尸网络的特征定义行为信号,基于启发信息实现僵尸网络的主机端实时监测.使用标准数据集对模型的有效性进行实验验证,实验结果表明,该模型具有实时性、行为定义简单、可接受多种启发式信息定义的优势,且检测僵尸网络系统的漏报率与误报率均较低.     

基于随机森林的城市建筑火灾风险等级评估方法

为实现城市建筑火灾风险智能量化评估,并解决消防资源优化配置问题,提出一种基于随机森林算法的城市建筑火灾风险等级评估方法。该方法框架由评估模型构建、火灾风险等级确定、特征重要性分析三部分组成,首先,基于随机森林算法和城市火灾特征数据建立火灾风险分数评估模型,对火灾风险进行数值化评估;其次,结合城市火灾防控实际和风险分数,确定地块建筑的火灾风险等级,并挖掘风险等级与建筑物性质之间的关系;最后,在此基础上通过特征重要性(feature importance, FI)算法,对火灾风险因子进行分析,挖掘出高影响因子的火灾隐患特征,以指导消防管理人员提高消防检查效率。以美国迈尔斯堡的历史火灾数据作为实验数据,建立了该城市的火灾风险评估模型,对城市建筑的火灾风险等级进行了量化分析。在上述成果基础上,设计开发了交互式消防热点风险地图,以方便相关人员快速确定地块建筑火灾风险,并据此调整消防检查的策略以及人力物力资源的分配。     

基于贝叶斯网络的化纤企业多米诺事故耦合效应风险评估方法研究

为应对化纤企业工艺生产过程和日常仓储中重大危险源过于集中而导致多米诺事故频发的现状,研究多米诺事故中不同灾种耦合效应对事故扩展的影响,采用贝叶斯网络模型对多米诺事故风险评估方法进行研究.首先,提出了多米诺事故耦合效应的定义,并对多灾种多因素耦合效应进行情景分析;其次,选用贝叶斯网络模型并结合Probit模型构建多米诺事故场景概率模型,从而确定了多米诺效应的演变过程、时间序列以及各层级事故单元间的影响作用,提高了多米诺事故风险评估结果的可靠性;最后,以某化纤企业储罐区为例,通过模型计算探讨了某储罐发生池火灾或蒸气云爆炸事故时的多米诺效应场景及最大可能传播路径,确定了多米诺事故扩展的可能性大小及关键单元,并在此基础上提出相应的控制措施.通过实例计算验证了该方法的工程可行性,结果表明,该方法能够在多米诺事故的预防与控制方面起到重要的指导作用.     

基于数据挖掘的传媒信息安全系统

随着网络的发展,越来越多的广播电视信息由模拟转为数字,传媒信息安全问题迫在眉睫,是亟待解决的问题.本文采用文本分类技术,设计了一种新的文本分类模型,并应用该传媒信息安全系统,从而减少系统的误报率和漏报率,实验结果表明,该算法具有较高的分类精度和效率.     

室内火灾无线监控系统设计

针对现有火灾监控系统大多采用有线传输方式,存在维修更换不便,信息获取方式单一,误报率和漏报率高,系统可扩展性不足等问题,设计开发了基于ZigBee无线通信技术的室内多传感器火灾监控系统.该系统可实现现场温度、一氧化碳、烟雾和火焰等信息参数的远程实时监控.利用基于近邻传播算法改进的径向基神经网络开发了多传感器信息火灾预估模型,系统集成了无线定位、报警、远程图像采集等功能.实验表明,该系统功能完善,成本低廉,实时性高,具备一定的推广应用价值.     

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。     

一种改进的多模块贝叶斯网络局部推理算法

针对多模块贝叶斯网络的局部推理的时间和空间复杂度高的问题,提出了一种改进的多模块贝叶斯网络局部推理算法.该算法用面向对象语言重新定义了多模块贝叶斯网络模型,在联合树推理算法的基础上结合图论中"顶点度"的概念对局部推理算法进行了优化,针对三角化结果不唯一的问题,给出了一种一般性的解决方案,使三角化后的结果能够将消息传递得更快,有效地缩短推理时间.给出了算法的仿真实例并进行实验分析,结果表明改进后的推理算法有效减小时间、空间复杂度.     

贝叶斯网络推理分析的团树传播算法——以停车行为分析为例

介绍了贝叶斯网络的基本概念及其推理模式和推理算法,重点进行了团树传播算法研究,应用Matlab软件的jtree_inf_engine模块实现了团树传播算法编程,并以停车行为分析的贝叶斯网络为例进行了预测、诊断、原因关联和混合4种推理分析,根据推理结果总结了城市居民的停车决策行为特征。研究结果表明,团树传播算法可用于贝叶斯网络未知参数的推理和变量间的关系学习。     

网络安全协同防卫系统研究与实现

为了解决防卫体系中各安全模块缺乏协同控制以及不能有效发挥整体效应的问题,提出了一种基于代理的协同控制框架.将各个安全模块关联起来,以实现相互通信和协同工作.在此基础上,构建了包括预警定位、协同安全审计及态势评估、协同事故恢复、网络伪装等功能的网络安全协同防卫系统(NSCDS).以基于机器学习的系统调用序列审计模型为例,对关键技术模块进行了分析和验证,结果表明NSCDS软件在百兆级带宽下,安全审计预警漏报率小于6%,误报率小于8%,各功能模块工作稳定且配合正常,充分显示出系统的综合优势,实现了网络安全多层次、全方位的协同防卫目标.     

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。     

基于贝叶斯网络的物流无人机碰撞风险评估

为降低城市物流无人机（unmanned aerial vehicle,UAV）碰撞风险,识别关键风险因素,构建贝叶斯网络模型进行风险评估。在收集7个真实无人机碰撞事故案例和文献调研的基础上,提炼出15个主要风险因素,并通过问卷调查将风险集划分为低、中、高三个等级对风险发生概率数据进行收集与评估,随后运用解释结构模型（interpretative structural modeling,ISM）对风险因素进行层级划分构建贝叶斯网络模型。根据所构建的贝叶斯网络,将收集数据导入GeNIe,对贝叶斯网络模型进行参数学习,得到无人机碰撞风险不同等级的概率分布。最后对贝叶斯网络模型进行逆向推理、敏感性分析和影响强度分析,明确导致无人机发生碰撞事故的关键因素和敏感因素,依据分析结果提出风险防控建议。     

基于动态贝叶斯网络的化工装置区多米诺事故情景构建

化工装置区多为易燃易爆的有毒危险化学物质,一旦发生泄漏,进而会引发火灾爆炸事故,后果将不堪设想。以某化工企业储罐区池火灾为例,基于动态贝叶斯网络方法,根据储罐燃尽时间和失效时间划分事故过程时间节点,借助GeNIe分析软件,提出多米诺效应动态贝叶斯网络(DBN)分析模型的构建及学习方法。明确化工储罐区导致多米诺效应事故发生的关键环节,从而得出初始事故发生后各事故储罐关键时刻事故发生概率,为多米诺效应事故应急决策提供理论依据。