基于事故致因和分层感知的安全风险预警系统研究

提出基于分层感知和事故致因要素的分层感知模型、交叉识别模型及分类学习算法。利用基于AI的热网安全风险预警系统验证了分层感知和交叉识别模型的可行性,推导出基于分层感知和事故致因要素的数学模型和风险分级策略,实现了事故致因要素理论的逆向应用,且朴素贝叶斯等机器学习算法适应性良好。     

基于改进BN的集装箱船舶碰撞事故致因分析

为解决利用贝叶斯网络(BN)模型分析集装箱船舶碰撞致因过程中,由于样本数据不足导致BN结构学习困难的问题,提出一种基于核密度估计和模型加权平均策略相结合的BN结构学习算法。首先利用核密度估计方法扩充小数据集,使数据规模达到BN结构学习的最低限度要求;然后利用模型平均策略加权融合不同学习算法得到的网络结构,来提高算法在小样本数据下的学习效果;最后基于少量集装箱船舶碰撞样本数据,利用所提算法构建BN模型分析事故致因。结果表明:用所提算法能在小样本数据下定量分析碰撞事故致因,并得出集装箱船舶碰撞事故致因链,有助于提高集装箱船舶运输的安全性。     

一种基于贝叶斯网络的机务维修差错调查模型算法

提出一种基于贝叶斯网络的机务维修差错调查模型算法,根据已经建立的机务人为诱因导致事故/事故征候模型,利用贝叶斯原理编程实现了该算法。利用该算法对中国民航飞行学院2001-2011年的机务人为有引导的事故/事故征候依次进行分析并验证,得到了相应的事故诱因概率排序。该算法克服了样本空间不足,在事故发生以后能够在引入其他证据的情况下根据以前的经验概率得到新的事故诱因概率排序,为民航机务维修差错调查提供了可靠的技术支持。     

基于贝叶斯网络的我国电网安全风险关联分析

为了有效识别电网运行的关键风险要素,基于典型电网企业2014-2019年代表性事故案例,采用贝叶斯网络的机器学习方法分别构建了电网事故、设备事故及人身事故致因的贝叶斯网络模型,分析各风险因素对事故的影响程度并反向诊断事故发生的关键诱因.结果表明:1)3种贝叶斯网络模型预测精度分别达到87.85％、89.24％、96.88％;2)不同类型事故的关键风险因素存在差异,但人因仍是主要致因.电网事故的关键影响因素为巡检不到位、检修质量不良和验收不合格;设备事故的关键风险因素为处理不当、巡检不到位和施工质量不良;人身事故的关键风险因素为安全意识缺乏、施工质量不良、监护不到位和验收不合格.最后,对电网系统安全运行提出了针对性建议.     

基于BN的FTA在通用航空风险评价中的应用

针对事故树分析法(FTA)在风险评价中的局限性,采用以事故树为基础建立的贝叶斯网络(BN)风险模型,对通用航空中的两机空中相撞事故进行分析和推理,对事故模型进行改进和修正时,注重基事件的多态性和事件间的逻辑合理性。根据贝叶斯推理得出的数据,找到了事故的主要致因。结果表明,基于BN的FTA既能向前预测顶事件的发生概率,又能向后诊断基本事件的后验概率,可以更好地对通用航空风险进行评价。     

基于反向模糊Petri网的航空事故致因分析

加强航空运输安全隐患的预防控制,能够降低航空事故发生的概率.以257份航空事故调查报告为基础,基于复杂网络理论,利用节点的度中心性、中介中心性、接近度中心性,结合逼近理想解排序法对45个致因因素进行节点重要度排序,识别"人-机-环-管"中的关键因素;在21个关键致因的基础上,运用模糊Petri网的故障诊断特性,提出了相应的逻辑规则,并构建了航空事故模糊Petri网,利用推理算法对相关子系统进行有效提取;进而,以结果命题"飞行员操作失误"为例,根据该命题的真实度,通过构建反向模糊Petri网,反向推理得出各相关命题的可信度.结果表明,恶劣天气相关类别的可信度最高.最后,利用正向模糊Petri网推理算法验证了该方法的可行性.     

基于复杂网络的内河船舶碰撞事故致因分析*

为了探明内河船舶碰撞事故致因内在联系,基于船舶碰撞事故调查报告,从人-机-环-管视角构建事故致因复杂网络模型。运用“2-4”模型从人-机-环-管视角识别和提取事故致因,采用事故树方法分析调查报告中碰撞事故过程,提取内河船舶碰撞事故致因链,利用复杂网络理论融合多事故致因链,构建包括36个节点、123条边在内的事故致因网络,计算致因网络拓扑特征参数,定量分析内河船舶碰撞事故致因之间相互作用。研究结果表明:疏忽瞭望、错误估计碰撞危险、安全管理不到位、船员不适任、船与船通信信息不足、未及时行动是内河船舶碰撞事故的关键致因。同时,内河船舶碰撞致因网络是1个无标度网络,且具有小世界特性,表明事故致因之间连锁效应明显,管控上述关键致因可有效预防碰撞事故。研究结果可为预防内河船舶碰撞事故、提高内河航运管理水平提供参考。     

房屋建筑施工事故致因因素分类研究

为明确房屋建筑施工事故致因及其关联关系,针对房屋建筑施工过程中关键致因因素及其传播路径的有效识别问题,基于2015—2020年发生的394起房屋建筑施工事故案例,结合危险有害因素分类标准,将语义相近的风险用语归为一类,进行致因因素的提取、分类及编码;针对每一起事故建立致因因素传播路径,应用Gephi软件绘制出由95个节点、340条连边构成的房屋建筑施工事故致因网络模型;通过计算节点度值和权重系数等拓扑参数,分析致因网络拓扑特征,综合考虑节点总度值分类赋值及严重程度,利用ABC分类法提出致因因素重要性计算方法。研究结果表明：致因因素清单中包含28项关键致因因素、27项次要致因因素、31项一般致因因素;进一步分析得到24个关联性强的节点对、5条高频致因因素传播路径以及5类典型事故的致因因素分布状况。     

基于改进贝叶斯的飞行签派安全评估研究

随着航空公司机队规模和航班数量不断增加,作为运输生产核心部门之一的飞行签派工作,对生产组织协调不得力或监控跟踪不及时所引发飞行事故成为当前突出的安全问题。分析由于飞行签派工作差错导致飞行事故的原因及可能引发的各项后果,查找出诱发该类事故各项因素,运用层次分析法建立飞行签派安全评估指标体系,建立基于贝叶斯网络的影响飞行签派各因素间的关系和相互作用,提出了故障树向贝叶斯网络转化的改进方法,基于构建的飞行签派安全评估贝叶斯网络模型,给出了求解顶事件发生后果概率、底事件重要度和事故发生最小割集的算法;最后将该算法应用于实例。     

基于关联规则的塔式起重机事故致因网络模型研究

为揭示塔式起重机事故致因机理，由事故调查报告提炼关键要素，运用关联规则方法挖掘致因因素间耦合关系并提取其强关联规则；基于复杂网络理论，构建塔式起重机事故致因网络模型，通过模块度、平均路径长度、节点度及中介中心度分析网络拓扑特性，识别关键节点及其交互机理。结果表明，塔式起重机事故网络具有较明显社团结构，人因和管理层因素与事故连接紧密，存在违规/违章操作、相关专业资质不足及未有效落实安全制度等问题，需对关键节点采取针对性干预控制措施，及时切断风险传播链路，减少事故发生。     

基于TEM模型的民航不安全事件关联规则挖掘与分析*

为了预防民航不安全事件的发生,应用机组威胁与差错管理（TEM）模型分析2014—2020年民航事故/征候的航空安全报告资料,提取事件里存在于民航运行风险中潜在的情况、威胁、机组差错等因素,通过改进的关联规则方法挖掘其中的关联关系,包括挖掘与事件严重程度有关的因素,找到TEM模型中的关键因素和影响航空器结束状态的致因因素,并进行关联网络图分析。研究结果表明:手动操纵/飞行控制差错、缺少/不足的飞行培训和安全管理、飞行员之间沟通差错与程序执行错误是造成事故/征候的显著因素;关联规则能够有效利用航空安全报告信息,通过定量的方法挖掘事故/征候的特征,找到影响民航不安全事件的强关联因素,为民航安全管理人员提供决策依据。     

基于神经网络的民航安全态势评估模型及仿真

民航安全态势评估可以向管理者提供民航安全态势和未来态势变化的信息,帮助管理者作出科学的决策,是预防事故发生的关键。航空器事故征候、事故征候率和灾变的科学预测评估是民航安全态势评估的核心内容,分析选取影响民航安全态势的安全运行因素,尝试建立了民航安全态势评估模型,结合BP神经网络和Elman神经网络进行民航安全态势评估。2008-2010年民航安全态势评估结果如下：民航安全态势整体良好但事故征候较多,其中2009年的民航安全态势相对严峻,需要密切注意民用航空器事故的发生,同时应对2010年民用航空器事故进行高度关注,希望管理者采取积极措施进行事故预防。结果表明,基于神经网络建立的民航安全态势评估模型是可行的,可以作为我国民航安全态势评估的有效工具。     

航空人为差错事故/事件分析(ECAR)模型研究

为深入研究航空人为差错事故/事件的影响因素,以人为差错相关理论为基础,对比分析几种典型的人为差错分析模型;通过借鉴ECCAIRS分析框架,并在基元事件分析(EEAM)逻辑和CCAR396部的分类方法基础上,构建航空人为差错事故/事件分析(ECAR)模型,它从事件层、描述层、原因层和组织因素与改进建议层,分析航空事故和不安全事件的人为差错。此外,还将组织因素概念引入该模型。     

基于灰色神经网络的民航事故征候预测模型研究

通过对民航事故征候的分析和预测,掌握民航事故征候的发展趋势,并据此提出相应的安全措施以预防事故发生。在灰色预测基础上,结合神经网络理论,分析民航事故征候的特点,提出民航事故征候的串联灰色神经网络组合预测模型。首先,运用灰色理论弱化数据序列波动性,然后利用神经网络非线性信息处理能力构建模型。同时,根据最近10年民航事故征候统计数据,分别对灰色预测模型、神经网络模型和灰色神经网络模型进行检验,并预测未来3年的民航事故征候数量。利用Matlab软件进行预测仿真,对3种预测方法的精度和特点进行分析和比较。结果表明:民航事故征候的灰色神经网络模型预测精度高于单一的灰色预测模型或神经网络模型,并且所需样本少,运算简便,易于实现。     

基于动态贝叶斯网络的民航突发事件情景分析研究

航空运输重大突发事件的应急准备与处置存在问题,应急救援效果不甚理想。建立了基于灾害体、受灾体、孕灾环境以及抗灾体四要素的突发事件情景分析模型,并运用动态贝叶斯网络模型,构建了基于关键时间节点的突发事件情景演化模型。基于上述模型,以某航班降落时起落架故障的典型事件为例进行模型构建与分析,分析结果验证该模型运用于民航突发事件情景分析与评估的合理性和可行性。该模型为提高民航突发事件应急准备与处置能力提供了新的思路与方法。     

终端区飞行冲突事件情景演变网络构建研究

为了控制终端区飞行冲突的风险,基于复杂网络,将飞行冲突的情景演变过程转化为复杂网络进行分析计算.分析侧向交叉跑道机场的主要安全风险,构建包含527个节点与2644条边的终端区飞行冲突情景演化复杂网络模型;采用无权有向网络中的节点度、度中心性、介数中心性、聚类系数等进行风险分析;采用Dijkstra算法,确定影响飞行冲突...     

基于贝叶斯网络的城市地下燃气管网动态风险分析

为研究城市燃气管网风险的动态性,针对传统风险分析方法的局限性,提出基于贝叶斯网络的燃气管网动态风险分析方法。构建燃气管网失效蝴蝶结模型并将其转化为贝叶斯网络模型;在事故发生状态下更新事件失效概率,识别出关键因素;根据异常事件数据和贝叶斯理论,对基本事件失效概率进行实时动态改变;随之更新管网失效及各后果发生的概率,从而实现管网的动态风险分析。研究结果表明:该方法克服了传统风险分析方法的不足,可动态反映燃气管网失效和事故后果发生概率随时间变化的特征,能够为城市地下燃气管网的风险分析与事故预防提供参考。     

Experts,Bayesian Belief Networks,rare events and aviation risk estimates

Bayesian Belief Networks (BBN) are conceptually sensible models for aviation risk assessment. The aim here is to examine the ability of BBN-based techniques to make accurate aviation risk predictions. BBNs consist of a framework of causal factors linked by conditional probabilities. BBN conditional probabilities are elicited from aviation experts. The issue is that experts are not being asked about their expertise but about others’ failure rates. A simple model of expertise, which incorporates the main features proposed by researchers, implies that a best-expert’s estimates of failure rates are based on accessible quantitative data on accidents, incidents, etc. Best-expert estimates will use the best available and accessible data. Depending on the frequency of occurrence, this will be data on similar events, on similar types of event, or general mental rules about event frequencies. These considerations, plus the need to be cautious about statistical fluctuations, limit the accuracy of conditional probability estimates. The BBN framework assumes what is known as the Causal Markov Condition. In the present context, this assumes that there are no hidden common causes for sequences of failure events. Examples are given from safety regulation comparisons and serious accident investigations to indicate that common causes may be frequent occurrences in aviation. This is because some States/airlines have safety cultures that do not meet ‘best practice’. BBN accuracy might be improved by using data from controlled experiments. Aviation risk assessment is now very difficult, so further work on resilience engineering could be a better way of achieving safety improvements.     

基于ISM—CRITIC法的通用航空可控飞行撞地影响因素分析

为了研究通用航空可控飞行撞地的影响因素，提出针对性的预防措施，采用基元事件分析法对中国民航安全办公室不安全数据库中2006—2015年间发生的30起通用航空可控飞行撞地事件进行分析，建立通用航空可控飞行撞地影响因素体系；运用解释结构模型对影响因素进行两两对比分析，建立3层阶梯有向模型；运用CRITIC法计算各影响因素权重并排序。结果表明:影响通用航空可控飞行撞地事件的表层直接原因分别是注意力分配不当、违反标准运行程序、安全意识淡薄、应急能力弱、导航设备失效、发动机失效、其他天气意外、飞行保障不利和组织混乱；中层间接原因分别是驾驶技能不足、航前准备不足、机组资源管理欠缺、地形复杂、能见度和光线刺激；深层根本原因分别是疲劳驾驶、公司违规和违法组织飞行；影响通用航空可控飞行撞地事件发生的主要因素分别是飞行保障不利和组织混乱、航前准备不足、安全意识淡薄、驾驶技能不足和违反标准运行程序。