基于贝叶斯网络的飞行不安全事件风险评估研究

飞行不安全事件会导致飞行事故和飞行事故症候,为了保障飞行安全,对飞行不安全事件的风险因素进行风险评估,对风险大的因素进行有效的管理,可以降低飞行不安全事件的发生.首先从飞行不安全事件的责任类别角度,总结了飞行不安全事件的32个风险因素,归属9类责任,建立了基于贝叶斯网络的飞行不安全事件风险评估模型;其次根据2011年1到11月的民用航空不安全事件的统计结果,利用Microsoft Excel软件和编写VB语言程序通过输入风险因素的先验概率,计算出目标事件即飞行不安全事件发生的概率和风险因素的重要性指标值,最后利用贝叶斯网络模型对飞行不安全事件的风险因素进行评价,得出影响较大的风险因素有6个,分别为爆胎/轮胎脱层/扎破、系统失效、通信中断、外来物击伤、雷击、危险接近/飞行冲突.针对影响较大的风险因素,应增强机务部门对航空器轮胎、机载设备系统、通信系统的检修质量、提高对天气观测和预报的准确度、加强机组培训、优化空管指挥方案.     

利用贝叶斯网络分析基因表达数据

利用基因表达数据提出一种新的网络模型—贝叶斯网络,发现基因的互作.一个贝叶斯网络是多变量联合概率分布的有向图模型,表示变量间的条件独立属性.首先我们阐明贝叶斯网络如何表示基因间的互作,然后介绍从基因芯片数据学习贝叶斯网络的方法.     

基于贝叶斯网络的船舶靠港装卸作业溢油风险评价

通过对港口船舶靠港装卸作业溢油相关统计资料和文献的分析,识别船舶靠港装卸作业溢油风险的影响因素,并根据各因素的因果关系构建船舶靠港装卸作业溢油风险贝叶斯网络拓扑结构,确定各节点的取值范围;综合运用贝叶斯条件概率模型及三角模糊数处理方法,获得各节点变量的条件概率;在此基础上利用GeNIe软件进行概率推理和风险因素灵敏度分析;最后,以我国沿海四个港口为例进行了实际评价.研究结果表明运用贝叶斯网络模型评价船舶靠港装卸作业溢油风险问题是合理和有效的,不仅可为港口和船舶安全管理等制度的制定提供理论依据,也验证了应用贝叶斯网络评价船舶靠港装卸作业溢油风险的方法是一种科学有效的方法.     

利用动态贝叶斯网构建基因调控网络的研究进展

构建基因调控网络是21世纪人类科学所面临的重要挑战之一。基因调控网络是一个基因组内基因相互作用而形成的关系网络,它从全基因组水平上以系统和全局的角度来研究复杂的生命现象及其本质。本文阐述了近几年来此领域的研究进展,着重介绍利用动态贝叶斯网络重构基因调控网络的若干模型,包括加权核l1模型,正则化模型、高斯混合贝叶斯网模型和自回归时间变化模型。     

基于贝叶斯网络的基因调控研究

为研究基因间的网络调控关系,通过贝叶斯网络方法将概率论知识与图论结合,有效构造了基因间的贝叶斯网络模型并进行了推理.针对一组白血病基因表达数据,首先进行数据标准化、离散化等预处理;其次使用决策树ID3算法求出基因间节点的顺序,并使用K2算法进行贝叶斯网络的结构学习,找出各基因间的网络拓扑结构;再次通过极大似然估计进行参...     

基于贝叶斯网络的生鲜物流风险评估

随着生鲜市场的规模日渐扩大,如何有效地对生鲜配送过程中各阶段的风险进行评估是一个亟待解决的问题.文章从信息技术,设施设备,人员操作以及外部环境四个方面对生鲜物流配送展开风险评估,运用模糊集理论消除专家评分的主观性,结合贝叶斯网络构造风险评估模型,并采用GeNIe软件对模型进行仿真.最终得到了定量的风险评估结果,对生鲜企...     

基于贝叶斯网络的多态故障树分析方法

针对多态系统故障树分析的难点,通过一个多态雷达系统的实例给出了一种基于贝叶斯网络的多态故障树分析方法.首先根据多态故障树的结构建立贝叶斯网络的拓扑结构,然后根据多态逻辑算子对其进行定量化,进而利用贝叶斯网络分析多态故障树顶事件概率、部件重要度及其它结果.最后通过对实例的分析说明了基于贝叶斯网络的多态故障树分析方法有更强的建模分析能力.     

基于贝叶斯网络的工程项目进度完工概率分析

针对传统计划评审技术(Program Evaluation and Review Technique,PERT)在计算完工概率时假设条件的局限性(假设条件与工程实际存在偏差,导致完工概率偏大),提出了基于贝叶斯网络的施工进度完工概率分析方法.首先,分析了贝叶斯网络与进度计划网络之间的相似性,将两者结合起来构建了贝叶斯进度网络;在此基础上,综合考虑贝叶斯网络在节点取值及概率计算方面的优越性,并结合工程项目的不确定性及复杂性特点,建立了基于贝叶斯网络的施工进度完工概率分析模型.最后,将该模型应用于具体工程进行实例分析,验证了模型的可行性与有效性.研究结果表明:基于贝叶斯网络的进度完工概率模型充分考虑了工程施工中的风险因素,其结果能更客观地反映工程实际,可为工程项目决策者提供可靠的依据.     

基于贝叶斯网络的供应链风险模糊综合评判

由于导致供应链失效的风险因素具有模糊性、复杂性,增加了供应链风险分析难度,一般的风险分析方法不能很好地评判供应链风险.文章提出了基于贝叶斯网络的供应链风险模糊综合评判方法,以某企业供应链风险为例,通过构建供应链失效风险的贝叶斯网络对风险事件发生概率进行线性推理,再采用模糊综合评判方法求出供应链风险中主要风险事件及总风险事件的风险等级,为该企业及早调控供应链提供依据.本评判方法可为企业供应链风险及其他类似风险的预防和控制提供参考依据.     

基于贝叶斯网络的中国电子商务信用风险因素研究

针对电子商务信用问题可能会导致的电子商务发展缓慢、电子商务市场秩序混乱以及电子商务产业崩溃等风险事件,应用贝叶斯网络理论构建中国电子商务信用风险网络模型,分别分析电子商务信用风险的敏感性因素与关键因素对风险事件的影响程度。运用GeNie仿真软件求得结果:最关键的信用风险因素是技术诈骗率提高、经济效率降低以及国家监管力度不足等三个因素,敏感性因素为新者难做、交易者的交易意愿降低、技术诈骗率提高、经济效率降低以及信息不对称等五个因素。研究认为信用风险关键因素的变化会波及信用风险敏感因素的变动,进而引发风险事件的产生。     

Bayesian inspection model with the negative binomial prior in the presence of inspection errors

One of the basic assumptions in Bayesian inspection models is that we have some prior knowledge about the number of defects in a certain product or software system. The prior knowledge can be often described as a probability distribution (e.g., Poisson distribution). In the paper, we propose three conditions that should be put forth as desirable properties for a prior probability distribution of the number of defects in the product. We review various prior probability distributions and test if they meet those conditions. The negative binomial distribution is found to be the only one that satisfies all the desirable conditions. With the negative binomial prior, we analyze the effects of various parameters on the Bayesian estimate of the number of undetected errors still remaining in the product.     

Identifying Mixtures of Mixtures Using Bayesian Estimation

The use of a finite mixture of normal distributions in model-based clustering allows us to capture non-Gaussian data clusters. However, identifying the clusters from the normal components is challenging and in general either achieved by imposing constraints on the model or by using post-processing procedures. Within the Bayesian framework, we propose a different approach based on sparse finite mixtures to achieve identifiability. We specify a hierarchical prior, where the hyperparameters are carefully selected such that they are reflective of the cluster structure aimed at. In addition, this prior allows us to estimate the model using standard MCMC sampling methods. In combination with a post-processing approach which resolves the label switching issue and results in an identified model, our approach allows us to simultaneously (1) determine the number of clusters, (2) flexibly approximate the cluster distributions in a semiparametric way using finite mixtures of normals and (3) identify cluster-specific parameters and classify observations. The proposed approach is illustrated in two simulation studies and on benchmark datasets. Supplementary materials for this article are available online.     

一种利用神经网络改善判断矩阵一致性的方法

针对层次分析法中判断矩阵致性改进问题,提出了一种利用神经网络改善判断矩阵一致性的方法.本文在建立了BP神经网络模型的基础上,把判断矩阵一致性调整问题转化为BP神经网络的多输入多输出求解问题.经BP神经网络算法调整过的判断矩阵再返回给专家进一步调整使其符合萨迪标度.计算实例表明,此种方法是可行的.     

中国经济随机前沿模型效率的贝叶斯统计推断

基于扩展的随机生产前沿模型,研究了区域生产效率的差异和其影响因素的作用效果,应用贝叶斯统计方法对中国各省份2010-2017的年度数据(不包含港澳台地区,下同)进行了实证研究.研究发现:生产效率总体呈逐渐下降的趋势,地区间生产效率有一定的差异,高等教育规模对生产效率具有显著的直接影响.人力资本能有效促进东部和中部地区的经济增长,西部地区主要依靠资本促进经济增长.环境污染对中部地区的经济增长具有一定的负向作用.     

基于动态BP网络误差修正的广义预测控制

针对建模误差对非线性系统预测控制鲁棒性的影响 ,提出了一种基于动态 BP网络的广义预测控制算法 .该算法运用动态 BP网络对模型预测误差进行在线补偿 ,以提高预测精度 .仿真结果证明了本文提出的广义预测控制算法对于非线性系统是有效的     

新成员的加入对供应商网络效率的影响分析

不断有企业进入或者退出供应商网络,网络中企业的效用和网络效率都会受到影响.本文把关系收益和竞争系数结合起来,构建了新的效用函数.并通过效用的比较分析,竞争系数对称时,新企业的加入会使网络效率增加的结论,并进一步给出了进入企业选择与中心企业或者与边缘企业建立关系所应满足的条件;而竞争系数不对称时,网络效率可能会降低.     

利用网络模型测定节点影响力与重要性

介绍了2014年美国大学生数学建模竞赛C题的背景与立意,针对6篇获得Outstanding奖的论文的解题思路与方法进行了归纳与总结,指出了学生答卷中的亮点与不足,并给出了建议和改进方案。     

公路隧道围岩稳定性评价的改进人工神经网络方法

本文运用改进的人工神经网络方法 ,研究了公路隧道围岩稳定性的评价定级问题 .首先讨论了模型建立和算法选择与分析 ,并对实际的工程问题进行了计算和模拟 .所得的评价定级结果接近于实际 ,计算方法可靠 ,计算时间适中 ,方法稳定性良好 .本文的研究结果表明 ,利用人工神经网络方法评价隧道围岩的稳定性具有广阔应用前景 .     

利用遗传算法优化抽样调查的数据质量

对居民家庭进行抽样调查时,常常出于隐私或缺乏专业知识背景的原因,使得居民对被调查的经济变量不愿或无法给出准确值,从而影响调查数据的质量.在此情况下,国外知名的调查(如,美国的消费金融调查)会将调查变量的取值范围划分成一系列连续的、长度不等的区间,请受访者选择,以此来消除受访者的戒备和疑虑心理,收集家庭的经济变量的信息,但这种区间的划分是一种经验划分.从降低数据分析误差的角度提出了一种优化区间长度的设计思路,利用遗传算法给出了问题求解的方法,最后通过一个实际例子加以说明.方法对提高调查变量的数据质量颇有帮助.