基于动态贝叶斯网络的非常规突发灾害事故情景推演

针对非常规突发灾害事故演变路径不清晰,演变过程及发展态势复杂,应急决策主体在应急救援过程中很难做出正确决策的现状,在分析非常规突发灾害事故情景演变规律的基础上,基于情景状态(S)、处置目标(T)、处置措施(M)和自身演变(E)四个要素分析了非常规突发灾害事故情景演变的路径,基于动态贝叶斯构建了非常规突发灾害事故动态情景网络,并利用联合概率公式进行相应节点变量的状态概率计算,实现了非常规突发灾害事故的关键情景推演.以大连"7·16"油库爆炸火灾事故为例,演示了非常规突发灾害事故的情景推演流程及关键技术,并对情景推演的结果进行了分析.推演结果表明:事故按输油管线爆炸→油罐爆炸起火→原油泄漏、污染海域的路径演变;其中,输油管线爆炸出现的概率为90.2%,T103罐爆炸起火出现的概率为84.1%,原油泄漏、污染海域出现的概率为80.3%,推演结果与实际灾害事故的情景发展状态基本一致,证明了该方法的合理性和可行性.     

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.     

基于动态贝叶斯网络的突发事件情景推演模型研究

针对突发事件的突发性、情景演变时间的连续性和路径的不确定性等特点,"情景-应对"型应急决策模式是目前最为有效的方法之一,而"情景-应对"模式成功应用的关键就在于情景网络构建与推演。选取情景状态、应急活动、应急资源以及应急环境为关键要素,分析突发事件情景演化规律与路径,运用动态贝叶斯网络(Bayesian Networds,BN)理论,构建突发事件情景网络,计算情景状态概率,从而推演情景发展趋势;以2010年大连输油管道爆炸事件为例,完成情景网络构建与推演过程。实证分析结果表明:发生概率最大的情景状态依次为输油管道爆炸、威胁到附近储油罐、附近储油罐起火、原油泄漏并污染附近海域等,发生概率分别为89.0%、86.4%、81.5%和78.7%,计算结果基本符合突发事件现场实际状况,充分说明该模型的有效性与可行性。     

基于动态贝叶斯网络的多时延基因调控网络构建

分子生物学的主要挑战是如何更好地理解基因间的调控机理。重构调控网络有助于探索生命系统的本质问题。目前,已提出的方法大多数都不考虑基因表达之间的时延,或者假定其时延是一个常量。这为深入理解基因调控的时-空机制带来了困难。现提出一个用连续DBNs构建具有多时延基因调控网络的方法,它可以系统地分析基因之间的调控关系。将其应用于酵母菌的转录调控网络中,结果显示,该方法能更好地估计转录时延,进一步提高了调控网络构建的精度。     

基于贝叶斯网络的公交车事故外因分析

为了系统的探究车、路和环境共同作用下的公交车事故致因,利用A市259条公交车事故数据,基于专家知识与数据融合方法建立贝叶斯网络结构;利用服从Dirichlet分布的贝叶斯方法进行参数学习。在验证了模型的有效性后,结合贝叶斯网络模型,运用团树传播算法推理了各变量之间的关系。研究结果表明：天气、时间、道路线形、地点都可能导致公交车事故;根据概率由大到小,导致的事故类型依次为非碰撞事故、与小汽车、非机动车、公交车碰撞;且每一事故类型的伤亡情况及最强致因因素都不尽相同。除此之外,各致因因素在不同情况下,导致的事故类型及伤亡情况概率也有差异。相关结果可以为政府及企业建立事故管理制度,减少公交车事故的发生提供一定的依据。     

基于动态贝叶斯网络的网络舆情预警模型

近年来多发的网络舆情事件频繁考验着政府的导控能力,利用动态贝叶斯网络对网络舆情进行预警具有重大的现实意义.在参考现有模型的基础上,细化指标体系,增加维度,结合专家意见和实际情况,构建网络舆情预警模型,并对典型网络舆情事件进行展开分析和原因诊断.将40个网络舆情案例作为训练集导入模型,对模型进行有效性验证,得到的结果 与...     

采空区顶板事故动态贝叶斯模型

 在采空区危害中,顶板破坏是主要灾害事故之一,一旦发生塌陷事故影响恶劣。本文在对采空区顶板事故进行事故树分析法（FTA）定性分析的基础上,采用贝叶斯网络转化的方法对采空区顶板事故树进行转化,建立采空区顶板事故贝叶斯网络模型,同时采用基于Matlab的BNT软件包进行定量计算,无需确定权重,对先验概率和后验概率结果对比分析,得出影响采空区的主要因素,认为采空区顶板事故发生的条件概率中,施工人员未按照设计开采和支护不当的重要度最大,因此在实际施工过程中,施工人员必须严格按照设计开采,加强支护,以确保采空区顶板稳定。     

基于动态贝叶斯网络的公路交通事件算法

利用贝叶斯后验概率函数,通过不断改进有关事件发生概率的权值,充分逼近真实值．其中,对于有关参数数值的获取,我们利用Gibbs抽样,通过随机模拟,即Markov Chain Monte Carlo（MCMC）的方法,来近似得到,尽管是近似,却有很高的精确度．最后,我们用这个方法做了一个交通事件的例子,表明效果很好．     

用动态贝叶斯网络构建协同过滤推荐的新方法

提出了一种基于动态贝叶斯网络的隐马尔可夫协同过滤推荐的新方法。基于隐马尔可夫模型的协同过滤方法模拟用户在浏览网页时的行为,根据用户浏览网页时的行为建立最近邻集合。在基于隐马尔可夫协同过滤推荐技术的基础上,构造基于DBN的推荐模型。当有新类型的数据加入时,用此模型来更新推荐模型。实验表明,此方法具有较高的推荐质量。     

一种基于周期的动态贝叶斯网络预测模型

本文提出一种基于周期性数据的动态贝叶斯网络预测模型.由于充分考虑到原问题的周期特性,因此有效的提高了预测的精确度.特别的,应用于我国电力增长率问题,该模型取得较好的效果.     

基于动态贝叶斯网络的交通灯自主智能决策

现有交通灯大都采用定时控制,容易造成时间上的浪费甚至是交通堵塞,通过引入动态贝叶斯网络DBN ,分析影响交通灯时间的因素,建立具有星型结构的交通灯自主智能决策模型。该模型能够依据十字路口车辆的动态信息,实时决策交通灯的时间,并通过仿真验证了该模型能够自主决策出最佳的交通灯时间,实现了交通管理的智能化。     

基于时效性分析的动态贝叶斯网络故障诊断方法

针对柴油机多源信息故障诊断中,由传感器采集的不确定性信息造成的融合误差问题,从多源传感器信息时效性角度,提出一种基于信息时效性机会窗口的动态贝叶斯网络故障诊断方法.首先,根据多源传感器不确定性信息的变化规律建立信息时效性机会窗口,计算得到目标状态偏离信息;其次,利用目标状态偏离信息动态调节贝叶斯网络观测节点信息效用,降低不确定性信息对融合误差的影响.R6105AZLD柴油机台架试验表明,引入该方法后故障诊断灵敏度增强,故障后验概率的对比差距提高到35%.     

基于数据扩展的动态贝叶斯网络预测方法

将数据扩展方法应用于动态贝叶斯网络的参数学习中,利用随机抽样算法对小样本数据进行数据扩展,并采用贝叶斯后验概率公式对扩展数据进行修正,同时计算观测数据的后验概率,然后在扩展数据的基础上,完成动态贝叶斯网络的学习和推理.仿真实验表明这种方法可以降低预测模型中节点的联合效应所造成的误差积累,提高模型的预测精度.     

基于动态贝叶斯网络的燃气管网燃爆风险分析

针对传统风险分析方法无法实现动态评估的局限性，提出了基于动态贝叶斯网络的燃气管网风险分析模型.基于管道失效原因与事故后果，构建了事故演变全过程网络结构，并运用马尔科夫理论将演变全过程与时间相关联，最终建立了动态贝叶斯风险分析模型.该模型基于贝叶斯理论进行泄漏、致灾模式及后果节点的概率计算，实现了对燃气管网事故的原因诊断及事故发展态势预测.以松原"7.4"燃气爆炸事故为例，应用本模型演示了燃气管网事故推演技术，结果表明:事故是由第三方施工破坏引发燃气泄漏，由于燃气在土壤中的扩散范围不断扩大，扩散范围内受限空间数量不断增加，人员活动情况也更加复杂，进而增大了燃气聚集与点火概率；结合事故现场条件，本模型对这起爆炸概率进行了推演，认为此次燃气爆炸概率将在泄漏60 min后达到42.3%，高于安全泄放概率；该结果与真实情况基本相符，进一步验证了模型的可行性与可靠性.      

基于动态贝叶斯网络的交通流状态辨识方法

为准确地对交通流状态进行辨识,进而支持交通流实时诱导系统有效运行,结合速度、流量与车道占有率3种交通流参数,将贝叶斯网络用于交通流状态辨识,提出了基于动态贝叶斯网络的交通流状态辨识方法. 利用英国南安普敦市的实际数据对上述方法进行了仿真验证. 验证结果表明,利用动态贝叶斯交通流状态辨识方法可以更加准确地判别出交通流所处的运行状态,这为智能交通系统,特别是交通流实时诱导系统,提供了一定的理论支持.      

基于动态贝叶斯网络的目标毁伤等级评估

提出了基于动态贝叶斯网络的目标毁伤等级评估方法,建立了毁伤等级评估的动态贝叶斯网络模型,并通过具体的仿真实例验证了该方法的有效性。     

基于离散时间贝叶斯网络的动态故障树分析方法

提出了一种基于离散时间贝叶斯网络的动态故障树分析方法．首先给出优先与门、顺序相关门、备件门、功能相关门等动态逻辑门向离散时间贝叶斯网络的转化方法，在得到动态故障树对应的离散时间贝叶斯网络之后，再利用贝叶斯网络推理算法计算、诊断和预计顶事件概率、重要度等常规分析结果．对数字飞控计算机系统进行的分析表明，该方法能够保证较高的求解精度，其相对误差均保持在0．4%以内，而且易于扩展到多态和非确定性逻辑关系的情形．     

化工装置爆炸事故预防研究

本文对典型化工装置爆炸事故原因进行统计分析,总结爆炸危险性的影响因素,结合发生的事故案例剖析,提取并建立了装置内爆炸事故模式,对各种模式的爆炸机理和发生条件进行研究分析,并提出事故的预防措施,以期指导安全生产。     

基于改进贝叶斯方法的基因调控网络构建

为了研究基因之间的复杂调控关系,使用贝叶斯网络模型来构建基因调控网络,针对以往单一贝叶斯网络模型结构学习算法精度低的问题,提出一种结合信息论构建初始网络并在该网络上进行评分搜索的基因调控网络学习方法,使用最大信息系数筛选有较高关联性的节点构建初始网络以提高解的质量,在评分搜索中使用禁忌搜索和BDe评分训练生成最终网络。之后在一组单细胞的蛋白质因果表达网络数据和大肠杆菌表达网络数据上进行构建基因调控网络实验,并在不同数据量,不同性能指标上与其他网络构建算法进行对比。实验结果表明,构建方法在不同规模的数据集上的有效性和准确率优于用于对比的其他算法。