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...     

贝叶斯网络中基于联合树算法的学生模型更新方法研究

在已建立的覆盖型贝叶斯网络学生模型的基础上,用联合树算法来实现推理更新.通过建立Moral图、构造三角化图、区分团节点,然后将学生模型转化为联合树的结构,最后通过消息传递来完成整个学生模型的更新.     

基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

为了提高高速铁路应急部门针对突发事故进行应急决策的能力,通过建立直觉模糊贝叶斯网络(intuitionistic fuzzy Bayesian network, IFBN)对突发事故现场进行态势估计,为应急决策提供依据。首先,分析了高速铁路突发事件的诱因、事故分类及应急决策的特点和流程;其次,利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了基于IFBN的态势估计方法;最后,以动车组(electric multiple units, EMU)在高架桥突发火灾事故为例分别用贝叶斯网络(Bayesian network, BN)和IFBN进行推理。经过多组推理比较,结果表明：当信息犹豫度较大时,BN推理会产生与实际情况相反的结论,而IFBN克服了此缺点,推理结果仍然准确,可见利用IFBN推理模型进行态势估计比经典贝叶斯方法更加准确可信。     

基于模糊综合评判的移动电源火灾风险分析

针对移动电源火灾事故频发的安全现状,本文采用能量转换和模糊综合评判的方法构建移动电源火灾风险评价模型,并对移动电源火灾风险进行评价。为增加评判过程的客观性,分别采用事故树基本事件结构重要度和相对差异函数对评判模型中评价因子的权重和隶属度进行分析和计算。评判结果表明移动电源火灾事故风险等级处于一般安全与比较危险之间,与实际情况相符合。     

改进朴素贝叶斯算法在火灾预警中的应用（英文）

为解决实际场景中传统火灾预警系统识别准确率低的问题,提出了一种新的朴素贝叶斯(NB)算法,即改进朴素贝叶斯(INB)。用基于属性权重和正交矩阵相结合的优化方法对NB加以改进。属性权重考虑了每个决策类别下各个属性的不同取值对分类性能的影响,正交矩阵弱化了属性间的线性关系,降低了属性间的关联性,使其更贴近条件属性独立性假设。利用美国国家标准与技术研究院(NIST)有关火灾研究的报告资料作为仿真数据,构建了八个不同规模的数据集,滤波、归一化处理后用于INB的训练与测试。十次十折交叉验证结果表明,当数据集中含190组样本时,INB已得到有效训练,并展示出稳F1定的火灾预警能力。换句话说,INB可以在小样本下得到充分训练。选取支持向量机(SVM)、反向传播(BP)神经网络和NB进行对比研究,结果表明,新改进的INB算法的识别正确率、平均查准率、平均召回率和平均值在四种算法中最高,分别为96.1%、97.3%、97.2%和97.3%。此外,与其他算法相比,INB在具有更好性能的情况下,其训练时间更短,响应迅速。综上所述,INB具有良好且稳定的火灾预警性能,可以作为火灾预警系统的核心算法。     

基于模糊事故树的公路隧道火灾危险性分析

根据隧道火灾事故的不确定性与传统火灾风险分析方法的主观性等特点,以火灾理论以及系统安全工程理论为基础,建立了公路隧道火灾模糊事故树分析(FFTA)模型;应用三角模糊理论,求出基于专家认知水平的基本事件模糊概率及顶上事件发生的模糊概率;最后把导致火灾的各影响因素的关联程度进行了模糊分级比较.通过以上分析得知,隧道中存在火源以及隧道中存在可燃物是导致火灾的最主要要素,其次为灭火措施失效.全面分析引发公路隧道火灾的各种因素及其逻辑关系,动态监测隧道火灾发生的可能性,制定主动、被动防火救灾策略,是降低隧道火灾风险的基本途径,它对保证公路的交通的安全运营与交通事业的可持续发展具有重要意义.     

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...     

基于混合团树的贝叶斯网络智能推理算法

提出了一种基于混合团树的智能推理体系架构,利用原始贝叶斯网络中变量之间的依赖关系对连接树进行改造,使得在推理过程中满足以下两个优势：(1)它能直接消除与证据和查询的无关的变量集,使得混合团树得以缩减为更小规模的二级树状结构,进而使消息不必在所有节点中传播;(2)它继承了连接树传播算法中可以重复利用混合团树中预先储存的信息进行加速推理.     

基于模糊重心的建筑火灾危险性评价

为了改善模糊综合评判中专家打分的过程及指标值被淹没的现象,提高评价的准确程度,通过采用模糊区间的打分格式后而提出一种用于火灾风险评价的模糊重心评价法·根据实际调研情况,建立火灾评价指标体系,对某商场的火灾危险状况进行了评价,得出了其火灾危险性大的结果,与该商场的实际情况相符·同时,与其他评价方法相比,模糊重心评价法得到的评价信息更丰富,可信度更高,其指标重心的排序结果可以为安全管理工作提供充分的依据·     

基于贝叶斯网络的学生学习评价模型研究

在学生模型中，学生学习评价是一个重要的部分，也是个性化教学中进行学习组织的一个很重要的依据。本文采用了贝叶斯网络中模糊逻辑的思想，运用模糊变换实现对学生认知能力的诊断及评价，评价学生对所学知识项的掌握程度。     

基于贝叶斯-事故树的石化企业罐区泄漏风险研究

石化行业是我国工业进程中的重要产业.由于石化行业生产原料、中间体和产品种类繁多,大多属于危险化学品,且工艺复杂,导致石化企业存在大量密集重大危险源,一旦发生泄漏将会造成严重的人身财产损失.因此对石化企业泄漏风险进行研究具有重要意义.通过构建贝叶斯-事故树分析模型对石化企业罐区泄漏风险进行研究,对随机性和不确定性较大的石化企业泄漏风险概率的计算提出了一定的解决方案,并最终运用于实际案例中.通过对天津某石化仓储企业罐区泄漏风险进行贝叶斯-事故树模型分析,得到该企业储罐区泄漏概率区间为(1.96×10^-3,2.07×10^-3).     

基于模糊神经网络的车辆避撞预警算法

为实现车辆的智能控制提供理论基础,研究了碰撞预警算法．在分析不同驾驶员的驾驶行为的基础上,确定碰撞预警算法的报警准则,用于指导报警算法做出合理的报警．基于报警准则采用模糊神经网络方法,提出一种多输入、多输出的协作预警算法模型,用于支持碰撞预警系统．利用实测数据对预警算法进行测试,试验结果表明,算法能够对车辆碰撞进行有效的报警,对提高车辆行驶的安全性具有重要意义．     

基于贝叶斯网络的大学生共享单车出行行为研究

为研究大学生共享单车出行行为,以福州市大学城各高校学生为研究对象,利用问卷调查采集各年级学生共享单车出行数据.首先,基于所获得的数据计算各节点的互信息值,假设贝叶斯网络参数服从Dirichlet分布,采用K2算法进行贝叶斯网络结构学习,利用贝叶斯估计法进行贝叶斯网络的参数学习,从而构建大学生共享单车出行行为的贝叶斯网络.然后,利用所构建的网络进行共享单车出行方式预测,计算该模型的预测值与实际值的误差,分析模型的精度,且与常用的Logit模型预测结果进行比较.最后,在所构建的网络模型基础上,应用联合树引擎分析是否拥有私人交通工具、出行距离等影响因素对大学生共享单车出行行为的影响.分析结果表明,贝叶斯网络学习精度较高,比Logit模型预测结果更有效.     

动态贝叶斯网精确推理中联合树算法的改进

基于动态贝叶斯网络处理动态不确定性问题的过程中推理是非常重要的,而推理算法的优劣决定推理的执行效率;文章在分析联合树性质的基础上提出一种较简单的3/2片联合树算法,该算法不需要限制消去顺序且只作一次扩展;讨论了算法的复杂度,并作了试验比较。     

基于视频数据的公路隧道火灾预警算法

通过对隧道视频数据的分析,提出了一种适合于隧道环境下的火灾预警算法.该算法采用阈值和背景自适应更新策略,解决了隧道环境下光线条件变化对火焰识别系统的影响,利用二维投影技术实现了火灾疑似区域的快速提取,并结合火灾的亮度变化率来提取火灾火焰的闪动特性.最后给出了火灾疑似概率模型,以此来反映视频图像中出现火焰的几率.实验结果表明,该算法对影响隧道的车辆运动形成的干扰、路灯和光线条件变化有很好的适应性,其识别速度达到3～5s,识别率可以达到97%以上,具有较强的实用价值.     

基于贝叶斯网络的精神障碍者暴力危害行为智能预警模型的构建

近年来,严重精神障碍者所致重大刑事案件频发。随着脑科学的发展,精神障碍的发病机理、治疗方法等研究有了很大进展,然而在精神障碍者暴力危害行为防控领域的研究却进展不大,其中,对精神障碍者的暴力危害行为缺乏科学的预测机制是重要原因之一。在此提出将近年来在医学、社会学领域得到广泛应用的贝叶斯网络方法应用于精神障碍者管控领域,对照常规预测评估工具,将各类风险因子纳入到具有因果关联的网络结构中,构建精神障碍者暴力危害行为发生风险的拓扑结构,通过预警模型的风险水平等级划分而直观地展示风险因素的影响,构建基于人工智能的对精神障碍者暴力危害行为的风险预警模型,并对其在严重精神障碍者管控实践的运用上提出展望。     

基于贝叶斯网络的实时行情预测算法

贝叶斯网络说明变量集合的联合条件概率分布为自然地表示因果信息提供了一种方法.用贝叶斯网络进行预测的核心问题是选择最符合样本数据的网络结构,即根据数据样本D和先验知识ζ找出后验概率户(Sh|D,ζ)最大的贝叶斯网络S.提出了一种基于贝叶斯网络的实时行情预测算法,并对其数据结构与实现方法进行了阐述.     

基于贝叶斯网络的分类器研究

研究了贝叶斯分类器家族中具有代表性的分类器，即朴素(naIve)贝叶斯分类器、贝叶斯网络分类器和TAN(tree augmented Bayesian)分类器；发现属性变量之间的依赖相对于属性变量与类变量之间的依赖是可以忽略的，因此在所有树形分类器中TAN分类器是最优的．     

基于模糊数的煤矿瓦斯爆炸事故树分析

将三角模糊数的概念引入事故树分析中，给出一种基本事件发生概率的模糊表征法——３σ表征法。运用三角模糊数的代数运算法则求顶上事件发生的模糊概率，并给出运算实例