CN110991855A - 一种基于贝叶斯网络的高速铁路风险评估的方法 - Google Patents

一种基于贝叶斯网络的高速铁路风险评估的方法 Download PDF

Info

Publication number
CN110991855A
CN110991855A CN201911192743.2A CN201911192743A CN110991855A CN 110991855 A CN110991855 A CN 110991855A CN 201911192743 A CN201911192743 A CN 201911192743A CN 110991855 A CN110991855 A CN 110991855A
Authority
CN
China
Prior art keywords
safety
bayesian network
risk
probability
railway
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911192743.2A
Other languages
English (en)
Inventor
杨长卫
李宗昊
王栋
张良
童心豪
曾海凌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201911192743.2A priority Critical patent/CN110991855A/zh
Publication of CN110991855A publication Critical patent/CN110991855A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及一种基于贝叶斯网络原理的高速铁路风险评价的方法，包括以下步骤：步骤S10：根据铁路风险指标体系建立贝叶斯网络结构；步骤S20：根据历史铁路运营事故记录及铁路实时运营情况，确定贝叶斯网络结构中节点的先验概率和条件概率分布；步骤S30：风险发生后，所述贝叶斯网络拓扑结构根据对应的故障表征的先验概率和条件概率计算各对应风险成因的后验概率；步骤S40：对后验概率最大值对应的风险进行相应防治处理。该发明将贝叶斯网络原理用于观测节点的值之后，可以估计未知节点的风险概率值。

Description

一种基于贝叶斯网络的高速铁路风险评估的方法
技术领域
本发明涉及于风险评估的研究技术领域，具体为一种基于贝叶斯 网络的高速铁路风险评估的方法。
背景技术
本发明涉及风险评估的研究技术领域，属于贝叶斯条件概率原理 在风险评估上的研究应用。
目前相关学术领域对工程项目的风险研究比较多，但绝大多数是 针对风险的性质、风险构成及风险评价指标体系等进行定性研究。对 风险的定量评价也是集中在大型的公共项目上，至于高铁运营的风险 评价还是比较少，即使对高铁进行研究，大多数的学术研究都是针对 我国高铁发展的展望，以及与国外发达国家先进的高铁技术的差距的 分析，很少涉及对高铁施工过程中的风险概率评价，采用本方法进行 高铁风险评估，能通过算法和专家经验所给出的风险概率所建立的贝 叶斯网络进行后验概率计算，即假定运营风险必定发生的情况下各项 三级风险具体的发生概率，能够直观的看出各项风险的概率值，能进 行提前防范。
发明内容
发明目的：为了完善目前对于高速铁路风险评估的不足，在高铁 运营前进行风险评估，能够预先进行防范，本发明提供了一种基于贝 叶斯网络的高速铁路风险评估的方法，利用贝叶斯原理独有的概率计 算方法，精确的计算出风险发生的后验概率，来达到预防风险发生的 目的。
为实现上述目的，本发明提供如下技术方案：一种基于贝叶斯网 络的高速铁路风险评估的方法，包括以下步骤：
步骤S10：根据铁路风险指标体系建立贝叶斯网络结构；
步骤S20：根据历史铁路运营事故记录及铁路实时运营情况，确 定贝叶斯网络结构中节点的先验概率和条件概率分布；
步骤S30：风险发生后，所述贝叶斯网络拓扑结构根据对应的故 障表征的先验概率和条件概率计算各对应风险成因的后验概率；
步骤S40：对后验概率最大值对应的风险进行相应防治处理。
优选的，在步骤S10的过程中，将高速铁路宏观风险指标即铁路 旅客运输风险作为贝叶斯网络根节点，将各项具体风险指标作为贝叶 斯网络子节点，得到对应的贝叶斯网络结构。
优选的，具体风险指标包括：人员安全、设备安全、环境安全、 管理安全；
人员安全包括业务技能、安全水平意识、职业道德水平、生理素 质、心理素质；
设备安全包括设备维护状况、设备安全性、设备可靠性；
环境安全包括自然环境、作业环境、社会环境；
管理安全包括安全组织管理、职工劳动管理、安全教育管理、安 全制度管理。
优选的，在步骤S30的过程中，通过构建的网络，对风险进行后 验概率验算，并通过方差缩减的方法进行敏感性分析。
优选的，所述防治处理包括改善职工劳动条件、合理安排职工作 业时间、强化安全监督管理、加大旅客运输安全宣传力度、提升旅客 安全意识水平、完善客运安全管理制度、建立自然环境预警机制。
与现有技术相比，本发明的有益效果是：本发明所述的基于贝叶 斯网络的高速铁路的风险评估方法，将高速铁路运营风险作为贝叶斯 网络节点，并以此建立具有其对应关系的贝叶斯网络结构，在风险未 发生时，假定风险发生，通过贝叶斯网络计算对应风险的后验概率， 即可得出各项风险的概率大小，进行提前防治，保证了高速铁路的安 全运营，也为旅客的财产生命安全提供了保障。
附图说明
图1为贝叶斯网络构建流程；
图2为贝叶斯网络结构图；
图3为某一项指标的后延概率图表。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方 案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部 分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普 通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例， 都属于本发明保护的范围。
如图1所示，本发明提供了一种基于贝叶斯网络的高速铁路风险 评估的方法，包括以下步骤：
步骤S10：根据铁路风险指标体系建立贝叶斯网络结构；
步骤S20：根据历史铁路运营事故记录及铁路实时运营情况，确 定贝叶斯网络结构中节点的先验概率和条件概率分布；
步骤S30：风险发生后，所述贝叶斯网络拓扑结构根据对应的故 障表征的先验概率和条件概率计算各对应风险成因的后验概率；
步骤S40：对后验概率最大值对应的风险进行相应防治处理。
本发明通过以下具体过程来模拟风险评估全过程：
(1)根据铁路风险指标体系建立贝叶斯网络结构
铁路客运安全评价的目标就是要保障铁路客运生产安全水平，评 价指标的建立是否切合实际，实用有效，关键在于对铁路客运生产安 全分析是否到位，包括对历史事故的致因分析及客运安全风险分析， 然后根据铁路客运安全风险识别与分析结果，从人员安全、设备安全、 环境安全和管理安全建立初步的安全评价指标，并根据风险因素排序 结果、评价指标构建原则来构建评价指标体系，然后将体系各级指标 作为节点建立贝叶斯网络结构(见图2)。
(2)根据历史铁路运营事故记录及铁路实时运营情况，确定贝叶 斯网络结构中节点的先验概率和条件概率分布
贝叶斯网络节点参数的确定
根据历史铁路运营记录、当前铁路实施运营情况以及建立的贝叶 斯网络结构，对各项节点风险的先验概率进行评估。
表1风险先验概率
风险节点名称 先验概率
业务技能 0.5％
安全意识水平 9.6％
职业道德水平 6.6％
生理素质 5.3％
心理素质 1.1％
设备维护状况 2.2％
设备安全性 4.8％
设备可靠性 6.8％
自然环境 3.7％
作业环境 4.1％
社会环境 2.1％
安全组织管理 10.1％
职工劳动管理 12.2％
安全教育管理 7.6％
安全制度管理 6.2％
(3)风险发生后，所述贝叶斯网络拓扑结构根据对应的故障表征 的先验概率和条件概率计算各对应风险成因的后验概率
构建好的铁路客运安全评价的贝叶斯网络模型，在进行实例分析 时，确定了节点的先验概率(表1)，即可由贝叶斯网络进行推理计 算即可得到网络各个节点的后验概率，根据马尔科夫毯性质，若有向 无环图(贝叶斯网络即有向无环图)G＝(V,E)满足马尔可夫毯的条件 独立假设，则贝叶斯网络节点的联合概率分布P(U)可表示成每个子 节点Xi相对于其父节点集π(Xi)的条件概率的乘积，即：
Figure BDA0002293976990000061
贝叶斯网络模型中包括3种推理计算，一是专家节点判据确定后 推理更新得出网络根节点的概率；二是在确定根节点边缘概率后，由 父节点先验概率及对应子节点的条件概率表推理计算得出子节点的 边缘概率，即为因果推理；三是设定目标节点或中间节点为证据节点 进行推理计算得出其他节点的概率，即为诊断推理
(1)专家节点判据确定后推理更新根节点概率
Figure BDA0002293976990000062
其中，i＝1,2…15、j＝0,1、k＝1,2,3,4,Ei代表第i位专家，共4位， e为专家所给出的风险评价意见。
(2)因果推理计算公式
由全概率公式及非根节点的n个节点是相互独立的关系可知，其 计算推理公式为：
Figure BDA0002293976990000071
其中，i＝0,1,2,3,4,5、j＝0或1、Ain为第i个非根节点的第n个父 节点。
(3)诊断推理计算公式
由条件概率公式及各子节点的父节点相互独立关系可知，其诊断 推理计算公式为：
Figure BDA0002293976990000072
其中，i＝0,1,2,3,4,5、j*＝0或1、Ain为第i个非根节点的第n个父 节点。
由此便可得到各节点的后验概率(图3)。
敏感性分析：
假设变量Q为输出变量(目标节点)，其包含q个状态；变量F 为输入变量，包含f个状态，则当变量F输入的值发生改变时，变量 Q的方差缩减(VR)可由下式表示：
VR＝V(Q)-V(Q|F)
其中：V(Q)＝∑qp(q)[Xq-E(Q)]2；V(Q|F)＝∑qp(q|f)[Xq-E(Q|f)]2；
E(Q)＝∑qp(q)Xq
在以上式子中，Xq表示状态q对应的数值；E(Q)表示变量Q在 所有证据信息到达之前的期望值；E(Q|f)表示变量Q在变F的证据 到达之后的期望值；V(Q)表示在变量F的证据到达之前真实值的方 差；V(Q|F)表示在变量F的证据到达之后真实值的方差。根据以上 公式，可得到不同输入变量对目标变量的方差缩减(VR)的值，值 越大表示该变量对目标变量影响越大，即该变量对目标变量越灵敏； 反之，则越不灵敏。
将模型的目标节点“铁路旅客运输”设置为证据节点，假设其风 险的发生概率为1，即其一定发生，进行诊断推理其他各个节点风险 的发生概率，即后验概率，见表2。
表2节点后验概率
Figure BDA0002293976990000081
Figure BDA0002293976990000091
(4)对后验概率最大值对应的风险进行相应防治处理
根据表3得到了风险后验概率折线图(图3)，由图3可知，主 要风险因素依次职工劳动管理、安全组织管理、安全意识水平(风险 的发生概率较高，均高于20％)，安全教育管理、职业道德水平、安 全制度管理、生理素质(风险的发生概率均高于10％)，作业环境、 自然环境(风险的发生概率均高于5％)；对这些风险因素应加强安全 检查与风险控制，有以下几点建议：
(1)改善职工劳动条件，合理安排职工作业时间。
(2)强化安全监督管理，重点是对职工作业的安全监督。
(3)加大旅客运输安全宣传力度，以提升旅客安全意识水平； 加强职工安全教育与考核，保障职工业务技能水平。
(4)完善客运安全管理制度，如安全生产责任制度、安全检查 制度等，完善的制度体系以更好地保障铁路客运安全。
(5)积极关注职工工作与生活状况，及时发现不良状况并改善， 以保障职工作业安全，并提高其工作满意度。
(6)建立自然环境预警机制，及时发现不良环境状况；改善作 业环境条件，可通过职工对作业环境的不良感受有针对性地进行改 善。

Claims (5)

1.一种基于贝叶斯网络的高速铁路风险评估的方法，其特征在于，包括以下步骤：
步骤S10：根据铁路风险指标体系建立贝叶斯网络结构；
步骤S20：根据历史铁路运营事故记录及铁路实时运营情况，确定贝叶斯网络结构中节点的先验概率和条件概率分布；
步骤S30：风险发生后，所述贝叶斯网络拓扑结构根据对应的故障表征的先验概率和条件概率计算各对应风险成因的后验概率；
步骤S40：对后验概率最大值对应的风险进行相应防治处理。
2.根据权利要求1所述基于贝叶斯网络的高速铁路风险评估的方法，其特征在于：在步骤S10的过程中，将高速铁路宏观风险指标即铁路旅客运输风险作为贝叶斯网络根节点，将各项具体风险指标作为贝叶斯网络子节点，得到对应的贝叶斯网络结构。
3.根据权利要求2所述基于贝叶斯网络的高速铁路风险评估的方法，其特征在于：具体风险指标包括：人员安全、设备安全、环境安全、管理安全；
人员安全包括业务技能、安全水平意识、职业道德水平、生理素质、心理素质；
设备安全包括设备维护状况、设备安全性、设备可靠性；
环境安全包括自然环境、作业环境、社会环境；
管理安全包括安全组织管理、职工劳动管理、安全教育管理、安全制度管理。
4.根据权利要求1所述基于贝叶斯网络的高速铁路风险评估的方法，其特征在于：在步骤S30的过程中，通过构建的网络，对风险进行后验概率验算，并通过方差缩减的方法进行敏感性分析。
5.根据权利要求1所述基于贝叶斯网络的高速铁路风险评估的方法，其特征在于：所述防治处理包括改善职工劳动条件、合理安排职工作业时间、强化安全监督管理、加大旅客运输安全宣传力度、提升旅客安全意识水平、完善客运安全管理制度、建立自然环境预警机制。
CN201911192743.2A 2019-11-28 2019-11-28 一种基于贝叶斯网络的高速铁路风险评估的方法 Pending CN110991855A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911192743.2A CN110991855A (zh) 2019-11-28 2019-11-28 一种基于贝叶斯网络的高速铁路风险评估的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911192743.2A CN110991855A (zh) 2019-11-28 2019-11-28 一种基于贝叶斯网络的高速铁路风险评估的方法

Publications (1)

Publication Number Publication Date
CN110991855A true CN110991855A (zh) 2020-04-10

Family

ID=70088044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911192743.2A Pending CN110991855A (zh) 2019-11-28 2019-11-28 一种基于贝叶斯网络的高速铁路风险评估的方法

Country Status (1)

Country Link
CN (1) CN110991855A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476371A (zh) * 2020-06-24 2020-07-31 支付宝(杭州)信息技术有限公司 对服务方面临的特定风险进行评估的方法及装置
CN111914375A (zh) * 2020-07-07 2020-11-10 贵州电网有限责任公司 一种基于贝叶斯推理的电网薄弱环节辨识方法
CN112182960A (zh) * 2020-09-22 2021-01-05 国网内蒙古东部电力有限公司呼伦贝尔供电公司 基于贝叶斯网络的电力变压器状态风险评估的方法
CN112330161A (zh) * 2020-11-09 2021-02-05 中国民航大学 一种基于贝叶斯网络的物流无人机失效风险评估方法
CN112465304A (zh) * 2020-11-07 2021-03-09 西南交通大学 一种基于贝叶斯网络铁路道岔区列车脱轨事故评估方法
CN112464575A (zh) * 2020-12-17 2021-03-09 国网福建省电力有限公司电力科学研究院 一种基于贝叶斯网络的大坝群风险评估方法和设备
CN114358539A (zh) * 2021-12-21 2022-04-15 华中科技大学 一种基于风险的铁路运营安全判识方法
CN114889678A (zh) * 2022-02-23 2022-08-12 北京交通大学 一种基于动态贝叶斯的铁路站车线安全协同预警方法
CN115392797A (zh) * 2022-10-27 2022-11-25 北京城建设计发展集团股份有限公司 基于贝叶斯网络的运营隧道结构病害快速智能诊断方法
CN116822965A (zh) * 2023-08-28 2023-09-29 中铁七局集团电务工程有限公司武汉分公司 一种地铁施工风险预警方法及系统
CN117709729A (zh) * 2023-12-28 2024-03-15 中国铁道科学研究院集团有限公司 重大工程技术创新成果应用风险评估方法及电子设备
CN118037064A (zh) * 2024-04-10 2024-05-14 中国神华能源股份有限公司 基于风险预控的靶向式安全鉴证方法、装置和系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523786A (zh) * 2018-11-30 2019-03-26 哈尔滨工业大学 一种高速公路交通事故成因分析方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523786A (zh) * 2018-11-30 2019-03-26 哈尔滨工业大学 一种高速公路交通事故成因分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
20180215: "基于贝叶斯网络的铁路旅客运输安全评价研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476371A (zh) * 2020-06-24 2020-07-31 支付宝(杭州)信息技术有限公司 对服务方面临的特定风险进行评估的方法及装置
CN111914375A (zh) * 2020-07-07 2020-11-10 贵州电网有限责任公司 一种基于贝叶斯推理的电网薄弱环节辨识方法
CN111914375B (zh) * 2020-07-07 2022-12-13 贵州电网有限责任公司 一种基于贝叶斯推理的电网薄弱环节辨识方法
CN112182960A (zh) * 2020-09-22 2021-01-05 国网内蒙古东部电力有限公司呼伦贝尔供电公司 基于贝叶斯网络的电力变压器状态风险评估的方法
CN112465304A (zh) * 2020-11-07 2021-03-09 西南交通大学 一种基于贝叶斯网络铁路道岔区列车脱轨事故评估方法
CN112330161A (zh) * 2020-11-09 2021-02-05 中国民航大学 一种基于贝叶斯网络的物流无人机失效风险评估方法
CN112464575A (zh) * 2020-12-17 2021-03-09 国网福建省电力有限公司电力科学研究院 一种基于贝叶斯网络的大坝群风险评估方法和设备
CN112464575B (zh) * 2020-12-17 2023-05-26 国网福建省电力有限公司电力科学研究院 一种基于贝叶斯网络的大坝群风险评估方法和设备
CN114358539B (zh) * 2021-12-21 2024-10-22 华中科技大学 一种基于风险的铁路运营安全判识方法
CN114358539A (zh) * 2021-12-21 2022-04-15 华中科技大学 一种基于风险的铁路运营安全判识方法
CN114889678A (zh) * 2022-02-23 2022-08-12 北京交通大学 一种基于动态贝叶斯的铁路站车线安全协同预警方法
CN114889678B (zh) * 2022-02-23 2023-08-11 北京交通大学 一种基于动态贝叶斯的铁路站车线安全协同预警方法
CN115392797A (zh) * 2022-10-27 2022-11-25 北京城建设计发展集团股份有限公司 基于贝叶斯网络的运营隧道结构病害快速智能诊断方法
CN116822965B (zh) * 2023-08-28 2023-11-21 中铁七局集团电务工程有限公司武汉分公司 一种地铁施工风险预警方法及系统
CN116822965A (zh) * 2023-08-28 2023-09-29 中铁七局集团电务工程有限公司武汉分公司 一种地铁施工风险预警方法及系统
CN117709729A (zh) * 2023-12-28 2024-03-15 中国铁道科学研究院集团有限公司 重大工程技术创新成果应用风险评估方法及电子设备
CN118037064A (zh) * 2024-04-10 2024-05-14 中国神华能源股份有限公司 基于风险预控的靶向式安全鉴证方法、装置和系统

Similar Documents

Publication Publication Date Title
CN110991855A (zh) 一种基于贝叶斯网络的高速铁路风险评估的方法
CN103793853B (zh) 基于双向贝叶斯网络的架空输电线路运行状态评估方法
CN110703214B (zh) 一种气象雷达状态评估和故障监测方法
CN107622308B (zh) 一种基于dbn网络的发电设备参数预警方法
CN111667201A (zh) 一种工业互联网智能监控的信息处理方法和装置
CN111651505B (zh) 一种基于数据驱动的设备运行态势分析预警方法及系统
CN104573850A (zh) 一种火电厂设备状态评估方法
CN111401529B (zh) 一种基于遥感技术的河流生态流量监管方法
CN105095963A (zh) 一种精确诊断与预测风洞设备故障的方法
CN114169568A (zh) 基于Prophet模型的配电线路电流预测与重过载预警及系统
WO2018205570A1 (zh) 一种充电站运行状态风险评估方法
CN106600127A (zh) 一种基于贝叶斯网络可靠性修正模型的继电保护系统风险评估方法
CN111538643B (zh) 一种监控系统报警信息过滤方法和系统
CN115081647A (zh) 基于贝叶斯网络模型的工业智能仪表故障预诊断方法
DE112016007068B4 (de) Einrichtungszustands-schätzvorrichtung, einrichtungszustands-schätzverfahren und einrichtungszustands-beaufsichtigungssystem
CN111967791A (zh) 一种考虑扰动与故障阈值的设备性能评估方法及系统
CN106325258B (zh) 一种基于在线监测信息的继电保护装置状态评估方法
CN112002179B (zh) 一种基于异地分布的轨道交通多工种联动控制方法及系统
CN113625097A (zh) 配电网运行状态大数据分析方法
CN106503417A (zh) 一种基于状态评价的电力设备故障率计算方法
CN112785142A (zh) 物联网污水处理设备预警智慧工单方法及其系统
CN115600695B (zh) 一种计量设备的故障诊断方法
CN115378136A (zh) 一种电网二次设备安全风险智能预警方法及预警装置
Zhang et al. A human and organizational analysis method for Chinese high-speed railway accidents/incidents based on Bayesian network
Wang et al. A model of coal mine water disaster emergency logistics risk assessment based on AHP and BP neural network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200410