Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data-A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake

Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake.     

航天器总装事故原因事件重要度分析

为解决传统安全性定量分析方法不能描述航天器总装这一复杂人-机-环系统的失效数据波动性和非严格逻辑关系的问题,结合生产实际,采用问卷调查的方法找出影响总装事故的风险因素,即导致事故的事件发生可能性、输入事件对输出事件的影响程度等。在验证调查数据的有效性之后,应用基于模糊数的模糊因果图(FCD),计算某航天器与支架车连接作业的事故风险可能性。提出原因事件重要度的计算方法。通过计算发现,人员注意力和发动机保护罩作用是导致发动机损伤的关键事件。与模糊事故树(FFT)、贝叶斯网络(BN)重要度计算结果对比表明,模糊重要度计算结果能反映事故发生可能性对原因事件发生可能性值的增减的敏感度。     

石化装置火灾爆炸贝叶斯网络与防护层集成分析

复杂的石油化工装置在运转过程中存在诸多不确定因素,易发生火灾、爆炸等重大事故,给安全生产带来极大威胁。考虑到传统的系统安全分析方法在风险评估中存在一定局限性,引入贝叶斯网络与防护层集成分析模型。应用GeNIe软件将系统故障树转成贝叶斯网络,根据贝叶斯双向推理进行故障预测和诊断,快速识别系统薄弱环节并确定为风险贝叶斯故障节点,结合防护层分析提出相应的独立防护层,确定剩余风险水平。实例应用表明,所构建的贝叶斯网络与防护层集成分析模型对复杂系统进行风险评估是可行的,较传统的事件树、故障树分析方法更加科学、合理。     

基于贝叶斯蒙特卡罗的液氨罐区安全系统动态风险分析

以概率分布表示液氨罐区各安全系统的失效率,用贝叶斯蒙特卡罗对安全系统进行动态分析.首先,构建事件树;然后,用无信息的均匀分布作为各个安全系统失效率的先验分布,由结果事件发生次数得到似然函数,进而得到安全系统失效的后验分布;最后,由蒙特卡罗模拟得到事件树结果事件发生的概率值.结果表明,火灾和中毒发生的概率比先验值大,液氨罐区总体安全性能降低.报警器、自动关断系统和灭火系统失效率比先验失效率高;浓度传感器、手动关断系统和防火系统失效率比先验失效率低.后验分布的方差逐渐减小,风险评估的不确定性降低.因此,动态分析更能够反映液氨罐区安全系统的安全状态,有利于决策人员及时采取相应措施.     

“三高”气田钻井过程硫化氢泄漏动态风险分析

传统的H2S泄漏风险分析方法不能很好地对事故发展过程进行动态分析,导致分析结果偏离实际。基于贝叶斯方法,构建了高温、高压、高含硫（“三高”）气田钻井过程中H2S泄漏的蝴蝶结模型并提出将其转化为贝叶斯网络,在事故已发生的情况下更新基本事件发生的概率。然后,假定事故后果在确定的时间段内发生的累积次数已知的条件下,更新安全屏障及事故后果发生的概率,从而完成对H2S泄漏的动态风险分析。结果表明,该方法克服了传统静态定量分析方法中的不足,可动态评估导致H2S泄漏的基本事件发生的概率和对顶事件发生的影响程度,并动态反映安全屏障和事故后果的风险变化,能为钻井过程中H2S泄漏的风险分析及防控措施提供参考。     

贝叶斯动态模型在煤矿事故预测中的应用研究

随着我国煤炭工业的快速发展,煤矿安全生产形势趋于好转,煤矿各类事故死亡人数逐年下降,但是煤矿事故总量仍然很大。在分析了贝叶斯动态模型特点的基础上,依据2001~2013年我国煤矿事故百万吨死亡率数据,分别运用贝叶斯常均值模型和一阶多项式模型,对历年煤矿百万吨死亡率进行样本训练和残差分析,并对2014年煤矿百万吨死亡率进行预测。结果表明,贝叶斯动态模型可适应煤矿事故的特点并用于煤矿事故进行科学的预测,其一阶多项式模型具有较高的预测精度,研究方法及结果可为煤矿监管部门及企业的安全管理决策提供借鉴。     

LNG气化站泄漏动态风险概率评估方法及应用

为了对液化天然气(LNG)气化站全作业周期内天然气泄漏的动态风险概率进行评估,基于贝叶斯网络及模糊集理论,提出了LNG气化站全作业周期内天然气泄漏的动态风险概率评估方法,并结合实际案例进行了分析,得到了某气化站天然气泄漏的动态概率变化情况。结果表明,在无人为干预的情况下,气化站在运行过程中LNG泄漏的概率处于中等和偏低之间,应急阶段LNG泄漏的概率较大,储存阶段LNG泄漏的概率较小;通过贝叶斯网络的逆向推理功能,闪蒸气加热器质量、储罐质量、其他气化设备质量、储罐区管线质量、闪蒸气输送管线质量是导致应急阶段天然气泄漏的主要因素。该方法可以克服传统静态分析方法的不足,预测LNG气化站全作业周期内天然气泄漏风险概率的动态演化过程。可为LNG气化站的风险控制和安全管理提供技术参考。     

基于贝叶斯网络的地铁暴雨内涝风险预警模型及协同响应机制研究

为提升暴雨灾害发生后的风险预警能力,有效化解地铁内涝重大风险,建立基于贝叶斯网络的风险预警模型,分析提出协同预警响应需求。以暴雨导致城市地铁内涝事故为例,建立综合考虑暴雨及预警、地铁站系统结构、客流量、应急措施、事故后果的基于贝叶斯网络的风险预警模型,分析预警信息对事故后果的影响,进而提出风险预警协同响应机制建设需求。研究结果表明：风险预警对提升地铁暴雨内涝事故应急处置的及时性、精准性和协同性具有显著影响,能够有效减小事故后果。研究结果可为建立重大灾害风险预警方法和机制提供参考。     

某储罐区火灾多米诺效应场景推演

化工园区中危险源众多,一旦发生事故很容易在整个园区内蔓延和发展.针对化工园区内储罐密集,容易引发连锁反应导致事故扩大的特点,利用FDS软件对储罐火灾场景进行数值模拟,根据储罐所受热辐射确定化工园区内储罐火灾最可能的事故发生序列,并引入基于设备失效前时间的机械设备故障概率模型对罐区内单个储罐的火灾风险进行研究,得到储罐区...     

基于CREAM和贝叶斯网络的空管人误概率预测方法

针对研究管制人因可靠性时存在的模糊性和片面性问题,采用认知可靠性与失误分析方法（CREAM）中的扩展预测法,计算10项管制通用任务的人误概率;在此基础上,以管制行为形成因子作为根节点构建贝叶斯网络,建立其与情景控制模式的不确定关系模型,对管制员在多任务中的人误概率进行预测。研究结果表明:在由相同评判者给出行为形成因子影响效应的前提下,由CREAM扩展预测法和构建贝叶斯网络的方法预测得到的多数任务的人误概率差异较大,从方法的客观性、合理性和适用性角度分析,贝叶斯网络在研究该问题时更具优势。