空管威胁、差错与意外状态的贝叶斯模型分析研究

为准确理解民航空中交通管理中各类人为差错数据的可靠性和相关性,为安全决策提供量化依据,对空管威胁、差错和意外状态数据进行贝叶斯模型分析。该方法在先验概率基础上,通过研究空中意外状态发生条件下威胁与差错各自发生的后验概率,获得上述3类安全信息的相关性大小排序。针对收集到的625起数据样本进行了研究,结果表明:与空中意外状态的发生相关性最大的3类差错依次为:管制员对机组的通讯差错、信息差错以及管制员对管制员的通讯差错;与空中意外状态的发生相关性最大的3类威胁依次为:程序威胁、相邻单位威胁和空中交通威胁。空管运行单位的安全管控应重点关注管制员/机组间的通讯差错,并针对各种可能出现的威胁预先制定应对程序。     

危险品航空运输事故的改进贝叶斯网络分析

以危险品航空运输事故树为基础,建立了贝叶斯网络(BN).运用贝叶斯原理以及推理计算,找出了危险品航空运输事故的主要致因,并分析了改进措施对危险品航空运输系统的影响程度.结果表明,引进改进措施后,事故一发生就已经超出可控范围的后验概率最大,将成为预防危险品航空运输事故的工作重点.研究表明,风险评价领域中的贝叶斯网络分析法是对事故树方法的有益改进.     

贝叶斯网络在CFIT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,在可控飞行撞地(CFIT)事故树的基础上,建立贝叶斯网络(BN).运用推理运算对贝叶斯网络进行定量分析,通过分析计算数据,寻找主要事故致因,并提出对应的改进措施.再将改进措施引入到贝叶斯网络中,评价相关措施的有效性.结果表明,改进措施后,高度设置错误的后验概率最大,将成为预防CFIT的工作重点.最后指出贝叶斯网络方法是对传统的基于故障树分析的风险评价方法的有益改进.     

基于复合指纹图谱和贝叶斯模型的茅尾海悬浮颗粒物源解析

为明确茅尾海中悬浮颗粒物的来源,采集了茅尾海流域红树林土壤、堤岸土、河口颗粒物、茅尾海沉积物以及湾外颗粒物等悬浮颗粒物潜在源样品.基于多元统计复合指纹图谱方法,筛选出最佳指纹因子组合,进而通过贝叶斯混合模型得出五种潜在源对茅尾海悬浮颗粒物的贡献率.结果表明:Mg、Al、Mn、Pb、Fe五种指纹元素可作为最佳指纹因子组合,累计判别正确率为78%.贝叶斯混合模型结果显示,茅尾海悬浮颗粒物主要来源于河口和湾外输送,贡献率最高达到58.9%和68.6%.其中,靠近河口区域主要受河流汇入影响,其贡献率达到42.2%~58.9%;靠近湾外区域则以湾外颗粒物贡献为主,贡献率达到44.9%~68.6%.各点位的沉积物贡献率均较低,红树林土壤和堤岸土的贡献率都在10%左右.总的来说,由河口汇入和潮汐作用带入的颗粒物是茅尾海悬浮颗粒物的主要来源.     

广州市多污染物联合暴露的健康效应评估

本研究应用贝叶斯核机器回归(BKMR)分析了广州市2015~2018年大气主要污染物(SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃)与非意外死亡之间的联合健康效应。结果表明,6种污染物对健康结局均存在较大影响。随着其它污染物固定百分位数浓度的增加,SO₂、O₃或NO₂的浓度从第25百分位数变化到第75百分位数导致的效应值的绝对值逐渐升高;相反,PM_2.5、CO或PM₁₀的浓度从第25百分位数变化到第75百分位数导致的效应值的绝对值逐渐减少。在累积滞后0~1d时,多种空气污染物的混合暴露对非意外死亡人数的影响效应值为正,与最低浓度相较,当所有污染物的浓度增至第90百分位数时,人数非意外死亡人数将增加21.98%(95%CI:3.04%,44.41%)。通过应用BKMR模型,本研究证实多种污染物的暴露可对广州市人群公共健康造成联合的综合影响。在污染物的防控治理上,不仅需要针对当地主要空气污染物,还需加强对多污染物暴露的防控。     

基于贝叶斯网络的城市内涝风险格局优化——以安徽滁州市中心城区为例

城市汛期中内涝灾害发生已经成为常态,基于系统的内涝风险评估结果,进行科学的空间格局优化设计,有利于城市规划与管理决策。以典型的内涝易发区滁州市中心城区为例,通过筛选内涝风险驱动因子,引入贝叶斯网络模型,依据条件概率图表和熵差法分析结果,确定关键变量条件状态子集,通过设置空间格局优化情景得到内涝风险一级优化区、二级优化区和不宜优化区。结果表明:研究区内涝风险的空间分布特征为中部核心区高于周围边缘区域,沿清流河往外逐步降低;{Veg=1; Riv=1}为关键变量最优状态子集,{Veg=1; Riv=3}为关键变量次优状态子集,{Veg=3; Riv=3}为关键变量不优状态子集;一级、二级优化区面积分别为5.14 km2、4.79 km2,并提出需合理布局绿地系统和建设防涝工程的改善措施。     

基于贝叶斯网络的养老院火灾风险评估方法研究

为预防养老院火灾事故,结合事故树法(FTA)和贝叶斯网络法(BN),建立了一套养老院火灾风险定量评估模型。首先,采用事故树法建立潜在的养老院火灾事故场景;其次,考虑到养老院火灾事故场景中不确定因素的影响,将事故树模型转化为贝叶斯网络模型,并结合有人员伤亡的养老院火灾事故发生发展实际优化模型;最后,以某市养老院为例,结合调研、文献及统计数据确定先验概率及条件概率,并用GENIE 2.0软件实现贝叶斯图形化,分析验证该模型逻辑可行性。结果表明:通过该模型和方法,不仅可以预测养老院火灾事故中各场景发生发展概率,还能对各风险因素敏感度和最大致因链进行分析,提高了风险因素辨识和评价的准确性,可以为养老院火灾风险分析和防控提供参考。     

基于贝叶斯网络的生态用地流失机制研究

从中微观尺度对城市滨江地区生态用地流失进行驱动因素分析,尤其将政策规划等具有重要影响力的因子进行量化分析,可为生态用地开发与保护政策制定提供参考。利用贝叶斯网络模型综合考虑导致生态用地流失的邻域因子、自然因子和政策规划因子,以良好的图形描述方法较为清晰地展示出生态用地变化及其驱动因子之间的过程关系。以南京滨江地区作为典型案例区,研究结果表明：（1）2005—2018年间,南京滨江地区约11.0%的生态用地发生流失,维持稳定的生态用地占比89.0%;（2）政策规划保护力是影响南京滨江地区生态用地流失的主要驱动因素,城镇扩张惯性力次之,二者对生态用地流失的敏感性分别为9.37%和2.53%,而开发阻力的敏感性仅为0.21%;（3）在政策规划因子中,沿江岸线规划对维持生态用地稳定性的作用效果高于土地利用规划,表明要使生态空间得以长期存在,应制定基于生态用地功能目标的保护政策。     

基于车速的交通事故贝叶斯预测

为了降低交通事故的发生率 ,提高道路交通安全水平 ,提出了基于车速的贝叶斯预测方法来检测和预测交通事故。首先对车速与交通事故之间的关系进行分析。在分析的基础上 ,以车速为衡量对象 ,提出贝叶斯预测方法。通过使用车速观测数据 ,应用 χ2 检验 ,确定是否为异常数据 ;并通过最小风险的贝叶斯预测 ,确定该异常是否会导致交通事故。最后 ,绘出利用该贝叶斯预测方法进行交通事故预测的流程图     

土壤重金属地球化学背景值影响因素的研究

在北京、天津、济南、南京、广州和广东省采集了46个土壤样品,样品包括由花岗岩、片麻岩、辉长岩,橄榄辉长岩和石灰岩发育的褐土、黄棕壤、红壤、黄壤、赤红壤、砖红壤和石灰土。测定了样品中铜、锌、锰、铬,钴、镍、铅和砷的含量并进行了Q型因子分析和两组线性判别分析。结果表明,可将46个土壤划分为由酸性岩发育的土壤和由基性岩发育的土壤两大类。酸性岩土壤又可再划分为高铅花岗岩和低铅花岗岩土壤两组.基性岩土壤也可再划分为火成岩土壤和沉积岩(石灰岩)土壤两组。结果又表明,46个土壤的8种重金属元素的地球化学背景值与母岩类型之间的关系远比与土壤类型之间的关系更为密切。