基于数据融合的安全动态风险评估研究

在结合现有安全管理工具的基础上，该文提出了一个基于数据融合技术的安全动态风险评估模型，采用层次分析法和贝叶斯网络模型实现了评估的关键环节，该方法可用于动态地调整安全控制措施的优先级。     

基于ANP-EM分析法的应急预案评估方法研究

针对突发事件应急预案评估问题,提出了基于网络层次-熵权分析法（ANP-EM）的应急预案评估方法,构建了基于ANP-EM的应急预案评估模型。应用网络层次分析法确定突发事件应急预案指标评估的主观权重,采用熵权法对主观指标权重进行客观修正。最后通过对铁路突发事件应急预案的评估验证了该方法的可行性、普适性与系统性。     

基于AHP的公路路政管理评估模型的研究与实现

构建了公路路政管理综合评估模型,提出了利用层次分析法对模型进行分析,确定模型中各指标权重,并依据该模型开发的相应软件计算出评估结果。软件运行结果证明了该评估模型的科学性和有效性。     

大型控制系统信息安全评估研究

针对目前大型流程工业控制系统信息安全的需求,结合工业实际应用情况,研究了大型控制系统信息安全评估模型。运用模糊层次分析法和综合评价,再结合专家经验,采用改进的评估指标权重系数排序算法,获得了大型控制系统信息安全各评估指标权重系数的排序。通过对改进前和改进后的评估指标权重系数排序公式的比较,结果表明所提出方法是合理有效的。该方法可挖掘出工业控制系统信息安全性能中一系列目前未被重视的安全盲区,可为大型流程工业控制系统选择与安全管理提供有效建议和改进方向。     

基于多人网络层次分析法的商业银行网络安全评估模型

针对商业银行网络安全评估指标之间的相互依赖特性,提出一种基于网络层次分析法的多人风险评估模型。该模型首先利用网络层次分析法得出个体网络安全评估风险指数,并利用加权欧氏距离的双层多目标规划模型集结个体专家的决策结果。仿真实验通过对四家案例银行计算机网络安全风险进行评估,结果显示本模型的评估结果比个体评估更具有可信度。     

基于变精度粗糙集与量子贝叶斯网络的变压器故障诊断研究

及时准确的变压器故障诊断对电力部门正常运转而言意义重大。针对粗糙集与贝叶斯网络模型在变压器故障诊断中出现受噪声数据影响大、存在完全搜索NP困难等问题,提出基于变精度粗糙集与量子贝叶斯网络的变压器故障诊断模型。通过Grover量子搜索算法快速搜索变压器故障、征兆类型等目标数据,运用层次分析法删减对诊断故障影响较小的指标,并分析确定变精度粗糙集的错误分类率β,获得最小故障决策表,从而构建贝叶斯网络故障推理模型,实现对变压器故障的诊断研究。实例分析表明,与粗糙集、量子贝叶斯网络等模型相比,该模型更适合变压器故障的诊断且诊断精确。     

基于层次分析法的端到端质量综合评估模型

针对当前运营商网络对端到端质量的关注点,提出了基于统计分析和客户感知的端到端质量评估模型。该模型聚焦于客观网络指标和主观使用感知,应用实践表明,基于层次分析法的端到端质量评估将定性和定量结合,对网络与终端协同发展、提升客户感知提供比较客观、准确、综合的结果,该模型和思路可扩展应用于移动互联网和长期演进（ LTE）网络的全业务质量评估。     

结合网络层次分析法的云推理威胁评估模型*

针对传统的威胁评估方法存在指标数据冗余、指标权值设置合理性、推理有效性等问题,建立结合网络层次分析法的云推理威胁评估模型,能够合理精简指标,有效优化推理规则。将该模型用于目标识别系统的威胁评估,首先给出威胁评估指标,用网络层次分析法精简指标并得到规范化权值;构建指标云模型,将规范后的指标数据输入前件云发生器,建立推理规则库,引入分级结构简化规则数,运用加权扎德算子实现规则的合成,将合成结果输入后件云发生器得到威胁度云滴,经多次重复操作后,处理数据得到系统威胁度。最后,以实例说明方法的有效性。     

容迟与容断网络路由协议的综合评估模型

针对容迟与容断网络路由协议评估中指标信息的灰色性问题,提出一种容迟与容断网络路由协议的综合评估模型。该模型采用层次分析法确定评估指标的权重,利用灰色理论建立评估样本矩阵与评估灰类,获得灰色评估系数与权矩阵,将评估路由协议性能的主观因素限制在很小的范围内,使评估结果更加客观可信。实验结果表明该模型是有效的。     

基于灰色综合关联分析的网络安全评估

随着网络应用的发展,网络安全评估已成为网络安全研究的一个重要课题。为了克服传统网络安全评估模型的不足,文章提出了基于灰色综合关联分析的网络安全综合评估模型。该模型将灰色关联分析法与层次分析法有机结合,首先通过德尔菲法建立评估指标体系,然后采用层次分析法确定各被评因素的权重,最后计算灰色关联度对网络安全进行评估。利用该方法对某高校网络进行仿真实验,结果表明,该方法评估结果准确,是一种高效、准确和实用的网络安全评估方法。     

利用AHP和GIS的城市火灾风险评价与预警发布研究

为提高城市火灾防治能力,以某市大学城为研究区域,选取多个风险评价因子,依据层次分析法原理建构了大学城火灾风险评价模型,研制了以AHP和GIS为主要技术的城市火灾评价与预警信息发布系统。实际应用表明,该系统可对城区火灾风险进行科学评价,能协助相关管理部门有重点地做好火灾防治工作。     

An incremental adaptive neural network model for online noisy data regression and its application to compartment fire studies

This paper presents a probabilistic-entropy-based neural network (PENN) model for tackling online data regression problems. The network learns online with an incremental growth network structure and performs regression in a noisy environment. The training samples presented to the model are clustered into hyperellipsoidal Gaussian kernels in the joint space of the input and output domains by using the principles of Bayesian classification and minimization of entropy. The joint probability distribution is established by applying the Parzen density estimator to the kernels. The prediction is carried out by evaluating the expected conditional mean of the output space with the given input vector. The PENN model is demonstrated to be able to remove symmetrically distributed noise embedded in the training samples. The performance of the model was evaluated by three benchmarking problems with noisy data (i.e., Ozone, Friedman#1, and Santa Fe Series E). The results show that the PENN model is able to outperform, statistically, other artificial neural network models. The PENN model is also applied to solve a fire safety engineering problem. It has been adopted to predict the height of the thermal interface which is one of the indicators of fire safety level of the fire compartment. The data samples are collected from a real experiment and are noisy in nature. The results show the superior performance of the PENN model working in a noisy environment, and the results are found to be acceptable according to industrial requirements.     

消防安全管理信息监测系统的研究和实现

针对国内许多大型的消防控制系统仍然处于分散报警阶段,没有统一的消防管理的问题,提出了一种应用在Web环境下的消防安全管理信息监测系统的设计方案。首先,设计了消防安全管理系统的总体架构,并将系统划分为报警监测、故障跟进、监督管理、报警数据统计和分析四大功能模块;其次,对数据库表单设计、服务层业务逻辑定义、前端页面展示进行了技术实现;最后,以本市重点消防单位为试点进行测试,该系统提高了消防联网单位火灾预警能力和消防安全管理水平,满足了城市消防集中化、信息化、规范化的需求。     

基于贝叶斯网络的电力企业安全生产风险管控系统

分析了建立电力企业安全生产风险管控系统的必要性和设计框架,并提出了基于贝叶斯网络的动态风险评估模型.通过对风险因素的识别和评估,构建了贝叶斯网络结构和参数,在此基础上对安全生产风险进行了风险评估、风险诊断.最后,依据分析得到的结果进行风险控制.该系统可以满足电力企业安全生产风险管控的需求.     

商业银行信用风险评估实证分析及方法比较

数据挖掘技术为商业银行信用风险管理问题提供了新的思路和方法。本文运用三种常用的数据挖掘方法——多元判别分析、聚类分析及贝叶斯网络模型,以商业银行的客户信用风险评级指标数据为样本,对信用风险评估方法进行实证分析,对三种方法的验证结果进行比较。结论表明,在信用风险各项属性指标之间条件相互依赖的情况下,贝叶斯网络模型优于其它两种方法。     

一种耦合赋权的网络安全评价模型

采用加速遗传算法的模糊层次分析法(AHP)筛选指标,构建计算机网络安全评价指标体系,提出基于主客观赋权相结合的改进 AHP以及信息熵耦合赋权法,对影响网络安全的因素重要性进行排序,利用模糊综合评判法建立网络安全评价模型。实例应用结果表明,该模型的评价结果客观合理。     

基于连续覆盖的城市消防站布局优化

摘要：随着城市化和工业化进程的加快,城市灾害风险日益加剧,城市已有消防站布局已不能满足消防安全需求,为了有效克服传统离散覆盖算法在选址问题中的误差大的问题,算法主要把图的离散的节点-边二元图结构替换为连续的网状空间结构,将离散的集覆盖加以扩展,实现对道路网的连续覆盖。在优化选址过程中,引入模拟退火算法,并对退火流程加以改进。通过算例验证该选址方法,并对两种选址方法的指标进行对比分析。实例表明,基于连续覆盖的选址方法有较好表现,具有较强的实用性和合理性。     

应用于石油钻井安全评价的改进主成分分析贝叶斯判别方法

针对主成分分析-贝叶斯判别法（PCA-BDA）仅支持安全评价但不能发现危险因素的问题,引入属性重要度的概念,提出一种改进的PCA-BDA算法,并将其应用于石油钻井安全评价。首先,使用原始PCA-BDA方法评估出各条记录的安全等级;然后,利用主成分分析（PCA）过程中的特征向量矩阵,贝叶斯判别（BDA）过程中的判别函数矩阵,以及各安全等级的权重计算得出属性重要度;最后,通过参考属性重要度来调控属性。安全评价准确率的对比实验中,改进PCA-BDA方法准确率达到96.7%,明显高于层次分析法（AHP）和模糊综合评价法（FCE）。调控属性的仿真实验中,调控重要度最高的3个属性70%以上的钻井安全等级得到改善;相对地,调控重要度最低的3个属性钻井安全等级几乎没有变化。实验结果表明,改进PCA-BDA方法不仅能够准确地实现安全评价,同时能够找出关键属性使石油钻井安全管理更有针对性。     

基于神经网络的电信客户流失预测主题建模及实现

客户流失管理是电信运营商通过对客户需求满意度调查进行有针对性挽留客户的一个重要方法，其中最关键的就是对客户流失行为做出预测。提出了一种基于神经网络的客户流失预测模型。根据行业专家经验值选取分析变量，通过神经网络计算分析变量的权值，建立客户流失预测模型并对客户流失趋势进行预测。该方法与决策树和贝叶斯网络等算法相比，通过使用两次神经网络，从原始数据上千个属性中提炼出与客户流失度相关性较大的属性，分析出的影响流失属性更利于下一步的客户挽留工作。     

煤矿安全风险预控管理信息系统

为实现对煤矿安全风险的预先辨识、评估及有效管理,提出了一种煤矿安全风险预控管理信息系统的设计方案;以安太堡露天矿本质安全管理体系中的煤矿安全风险预控管理信息系统为例,详细介绍了风险预控管理流程、系统功能模块的作用。实际应用表明,该系统为煤矿实现安全目标提供了先进、可靠的管理手段。