基于贝叶斯网络推理的道路网络级联失效仿真

针对道路网络级联失效与其它复杂网络相比具有的特殊性,基于贝叶斯网络推理,融合驾驶者出行先验及出行信息,研究了道路网络级联失效的演变机理及演变过程.编制MATLAB程序生成基于道路网络的贝叶斯网络结构,根据贝叶斯网络参数学习 MATLAB程序,学习了驾驶者感知路段属性变化;给出了仿真算法,仿真了贝叶斯网络推理中不同出行先验权重,以及出行信息量对道路网络属性及级联失效的影响.结果表明,贝叶斯网络推理可以较好地反映驾驶者出行路段选择对道路网络级联失效的定量影响,为研究道路网络级联失效提供了新的研究思路和方法.     

基于动态贝叶斯网络的列控中心可靠性及可用性评估

为解决共因失效、动态失效及恢复机制等问题,本文基于动态贝叶斯网络对联锁车站和中继站列控中心可靠性及可用性进行评估.在分析列控中心系统结构的基础上构建系统动态故障树,并将动态故障树转化为动态贝叶斯网络,实现结构学习和参数学习.通过动态贝叶斯网络正向推理得到两种类型列控中心可靠度和可用度并进行比较分析.通过动态贝叶斯网络反向推理得到列控中心系统薄弱环节.研究系统敏感性因素并讨论恢复机制对系统可靠性及可用性的影响.结果表明：考虑共因失效的联锁车站和中继站列控中心的稳态可用度分别为0.999 960和0.999 977;电源及驱动采集单元为系统薄弱环节,需要重点关注.该方法能有效提高列控中心智能维修维护水平.     

基于区间数学理论和贝叶斯网络指标灵敏度分析

针对航空公司安全质量管理体系(SQMS)中风险识别与可靠性改进问题,文中提出基于区间数学与贝叶斯网络的灵敏度分析方法.给出了衡量航空公司安全状况的指标;借助贝叶斯网络建立指标关联网络,结合先验知识进行参数学习以获取条件概率;通过贝叶斯双向推理机制和区间数学理论分析不同区间内重要指标与系统整体安全状况间的扰动关系;基于扰动分析结果对各指标进行灵敏度排序以识别风险并指导可靠性改进工作.实例分析验证了基于区间数学与贝叶斯网络的指标灵敏度分析方法的有效性.     

大跨度桥梁健康监测过程中的温度影响研究

大跨度桥梁健康监测是近年来工程界的研究热点,但是由于桥梁结构的复杂性和特殊性,监测变量受环境因素的影响较大,增加了系统评估的难度．本文分析了大跨度桥梁在不同温度场荷载作用下的结构反应,研究表明结构各构件间的温度差和梯度温度效应对桥梁结构影响较大．本研究的结果可为桥梁健康监测系统策略的制订提供参考．     

既有钢筋混凝土梁桥的承载力可靠度分析

承载力可靠度是反映既有钢筋混凝土梁桥安全性的重要指标．对于既有钢筋混凝土梁桥,其材料强度和结构尺寸可以通过现场检测获得,同时,在桥梁服役期间内,桥梁已经承受了某一水平荷载的验证,并且桥梁各主要失效模式问存在相关性．综合考虑多种因素,建立了既有钢筋混凝土梁桥承载力可靠度分析的模型和方法,并应用于一座跨径为19．5m的5片简支梁桥的承载力可靠度评估中．     

基于贝叶斯网络多方法组合的短时交通流量预测

贝叶斯网络是处理不确定信息和进行概率推理的有力工具,针对短时交通流量预测的难题,提出一种基于贝叶斯网络的多方法组合预测模型. 首先建立几种基本预测模型并对交通流量进行预测,然后将预测的结果和实际结果按一定步长进行离散处理,把离散后的结果用贝叶斯网络进行学习,更新贝叶斯网络参数,通过联合推理求得各个基本预测模型预测结果组合下可能组合预测值的后验概率,把后验概率最大所对应的值作为预测值. 通过对实际道路交通流量的预测表明,本文提出的贝叶斯网络多方法组合预测模型的预测结果精度优于单一的预测模型,从而论证了本文提出的贝叶斯网络多方法组合预测模型具有一定的实用性.     

大规模多式联运复杂网络系统模型

与其他优化问题相比,多式联运网络路径优化问题面临着变量较多且其结构、关系复杂的困扰．然而,现有的多式联运网络只能对网络属性逐一计算,难免重复冗余,效率偏低,只适用于小型网络．提出了不规则棱柱网络模型．采用相对编码设计,通过搜索判断余子式进行网络初始化,将网络中不同类别的弧线解释成满足某种约束条件的量,通过设计底边判断函数和侧棱判断函数,实现了网络中弧线的智能分类．该模型取消了运输网络阶段划分的限制;其节点与现实运输的地理坐标相对应;分类判断可以对网络进行群体修建与更新．通过对比各网络的时间频度,说明在多属性变量复杂且多样性的大规模多式联运网络中,该网络能够极大地提升网络构建和更新效率．     

大跨度城市立交跨既有桥梁现浇支架施工及检测技术

南京双桥门立交纬七路主线桥W 10~W 11跨为跨度46.7 m的大跨径高墩桥梁,新建桥梁跨越南京市交通主干道城东干道即龙蟠路既有桥梁,既有桥桥宽41.6 m,交通流量大,给新桥的建设加大了难度。通过比较分析,施工中应用军用梁搭设门式支架,并采用军用梁与碗扣式支架综合应用施工技术,同时为减小支架挠度、减少材料用量,利用既有桥梁搭设中间支墩,对既有结构进行受力分析及施工过程中实时检测既有桥的变形情况,为安全施工提供有效数据。介绍了大跨度桥梁跨越既有桥梁的支架及既有结构检测施工技术。     

基于机器学习的独柱墩桥梁抗倾覆性能研究

为探究机器学习算法在独柱墩桥梁抗倾覆性能研究中的应用思路和方法,介绍了独柱墩桥梁抗倾覆稳定性的研究现状,对比不同机器学习算法的特点和适用性,并介绍贝叶斯模型算法的原理及计算机程序实现步骤,编制用于预测桥梁抗倾覆稳定性系数的Python语言程序。依托独柱墩桥梁实际项目,对基于贝叶斯模型的独柱墩桥梁抗倾覆稳定性系数预测程序进行训练和测试,结果表明该方法具有可行性。研究旨在充分挖掘既有独柱墩桥梁抗倾覆验算结果的价值,为独柱墩桥梁的合理设计、既有独柱墩桥梁抗倾覆稳定性的快速判断提供数据参考。     

港口机械结构安全性评价指标体系中权重自学习方法的研究

分析了目前常用权重确定方法的特点，提出首先对属性主观赋权，然后通过基于贝叶斯网络权重自学习的方法来确定权重的思路．给出权重自学习步骤．文中针对某港口16t带斗门座起重机的技术状态，用以上方法对其结构安全性进行了评价分析．     

基于贝叶斯网络的出行选择行为分析

以通勤出行者为研究对象,应用改进K2算法和贝叶斯参数估计方法,以模块化的建模思想,构造了分析通勤出行方式选择和出行链模式安排及其相互作用的贝叶斯网络模型.以互信息指标度量节点间相互依赖关系的强弱,完成网络的修剪.以修剪后的网络为基础,应用敏感性分析讨论了在出行者及其家庭的社会经济属性、活动和出行属性影响下的出行方式和出行链模式安排的变化,及其相互影响.本文的研究为全面分析活动-出行选择行为及其影响因素间的互动响应关系提供了新的思路.     

Learning Bayesian Networks from Data by Particle Swarm Optimization

Introduction Bayesian networks are a graphical representa-tion of a multivariate joint probability distributionthat exploits the dependency structure of distribu-tions. Bayesian networks are directed acyclicgraphs(DAG), where the nodes are random vari-abl…     

基于贝叶斯网络的铁路旅客服务质量评价

为了吸引更多客源和提高客运竞争力，铁路需要不断提高其旅客服务质量，而有关服务质 量的科学评价对于服务质量的提高具有一定的指导与督促作用。基于此，首先，根据服务地点的不同将铁路旅客服务划分为车站旅客服务和列车旅客服务，并分别确定相应的评价指标，进而根 据各指标间相互独立又相互影响的关系，运用树模型构建评价体系。然后，将评价指标体系中的各项指标转化为贝叶斯网络中的相关结点，进而映射成为贝叶斯网络。通过贝叶斯网络特有的概 率计算方法，对评价体系展开逐级计算，最终得到作为顶层指标的旅客服务质量的评价结果。最后，以实际算例对比不同运输时间段内的评价结果，验证理论方法的适用性。研究结果表明：基于贝叶斯网络的铁路旅客服务质量评价方法是可行的、有效的，其得出的评价结果可以作为改进服务措施和提高服务效率的指导。     

基于随机重复爬山法的交通状态预测

合理构造影响交通状态网络结构,是实现交通状态预测的前提条件.为克服爬 山法易陷入局部最优的缺陷,提出一种基于随机重复爬山法的交通状态预测方法.对随机 生成的有向无环图迭代运行爬山法得到多网络结构;通过有向边置信度的定义和置信度 阈值的计算,确定了最优贝叶斯网络结构中节点和有向边选取准则;利用最优贝叶斯网 络结构,实现了畅通、平稳、拥挤和阻塞等4 种交通状态的预测并综合评价.分析结果表 明,该方法仅选取时段、节假日等两变量时,对交通状态预测总体准确率超过85%,能够 为高速公路运行状态监测预警和决策分析提供有效方法和数据支撑.     

单线圈检测器速度估计的贝叶斯网络模型

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

基于贝叶斯网络的驾驶疲劳程度识别模型

国内外学者大多采用单一类型指标对驾驶疲劳程度进行判断。为克服单一指标检测的不稳定性,构建基于贝叶斯网络的驾驶疲劳程度识别模型。将驾驶环境属性、驾驶人个体属性和原始疲劳属性作为模型输入层变量。选择脑电指标、心电指标、眼动指标、驾驶绩效指标作为模型输出层变量。将清醒、轻度疲劳、重度疲劳三种驾驶疲劳程度作为隐含层变量。采用模拟驾驶方法进行实验,得到不同实验对象各个时刻不同疲劳程度的概率。将利用单一指标和贝叶斯网络模型得到的驾驶人疲劳程度与主观疲劳测评结果进行对照,证明贝叶斯网络模型不仅能消除单一指标失效时产生的误判和漏判,而且可提高识别的准确性。     

����Ȧ������ٶȹ��Ƶı�Ҷ˹����ģ��

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

铁路非常规突发事件应急救援决策方法研究

将贝叶斯网络推理方法应用到铁路突发事件应急决策中,为铁路突发事件应急救援提供一种实用、智能的科学辅助决策方法.在提取、约简案例决策属性的基础上,采用基于云模型的评估方法完成案例决策属性定性划分,降低决策属性划分的偏差性.构建铁路突发事件应急决策贝叶斯网络模型,并提出进行综合决策的具体方法及步骤.通过具体算例说明使用贝叶斯网络进行铁路非常规突发事件综合概率的决策过程.案例分析表明,该方法能够满足铁路应急决策需求,在信息不完备情况下同样具有实用性和有效性. 为领域知识不完全,主要依靠经验知识进行铁路突发事件应急决策支持系统的智能化提供了新方法、新思路.     

基于贝叶斯网络的交通事件持续时间预测

随着数据采集手段的不断提高和相关研究技术的发展,基于数据挖掘的模型逐渐成为交通事件持续时间研究的主要方向。根据荷兰交通部门提供的交通事件采集数据,进行分类和预处理,观察事件持续时间的频数图,并根据相关的研究按照事件典型的类别把采集的数据进行分类。使用主成分分析和逐步回归提取出显著性的影响因子,利用数据挖掘软件WEKA建立贝叶斯网络模型,用数据集中80%的数据进行学习建模,20%的数据作为测试集来检测模型的预测效果,并做出性能评价。实验结果表明,与同类数据集的其他预测方法相比,贝叶斯网络模型对于变数众多,随机性特别大的交通事件,预测精度较高,证明贝叶斯网络模型的算法是具有一定优越性和实用价值。