CN111859031B - 一种油气管道事故失效因素分析方法 - Google Patents
一种油气管道事故失效因素分析方法 Download PDFInfo
- Publication number
- CN111859031B CN111859031B CN202010683629.6A CN202010683629A CN111859031B CN 111859031 B CN111859031 B CN 111859031B CN 202010683629 A CN202010683629 A CN 202010683629A CN 111859031 B CN111859031 B CN 111859031B
- Authority
- CN
- China
- Prior art keywords
- node
- directed
- nodes
- weighted
- path
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种油气管道事故失效因素分析方法,以预设的油气管道失效因素和先验跳转概率值构造带权有向节点邻居表,其中,所述带权有向节点周期性地收集自己周边的其他带权有向的节点信息,并将周边节点列为自己的邻居带权有向节点,添加到自己的邻居表中;构造由所述带权有向节点构成的有向图,根据网页抓取的事故信息动态调整自己的邻近的权重值,通过搜寻关键节点和最短路径的方式,快速获得失效因素,提高能够保障燃油管理的传输安全。
Description
技术领域
本发明涉及油气管道传输领域,具体适用于油气管道事故失效因素分析方法。
背景技术
输油管道泄漏是由外力破坏或者管道老化等引起的油料损失事故,可分为突发泄漏与持续泄漏两种。突发泄漏多由外力破坏所造成,这种泄漏事故造成的危害很大,若石油企业没有及时做好抢修工作便有可能出现重大泄漏事故。从外力破坏原因来看,可分为自然灾害与人为破坏。其中自然灾害是由地质灾害所造成的,例如泥石流或者地震等。地质灾害破坏性很大,当这些自然灾害波及到油库输油管道时便有可能导致管道出现破裂问题,引起大量柴、汽油泄漏。人为破坏可分为油料盗窃行为与施工行为。从油料盗窃来看,盗油者一般都是从埋地管道中钻出盗孔,直接从输油管道窃取柴、汽油。油料盗窃行为可能会导致油库输油管道出现安全隐患,最终引起柴、汽油泄漏问题。从施工角度来看,施工单位野蛮操作或者地质勘测过程中可能会破坏管线,导致油库输油管道出现泄漏问题。
如图1所示,造成油气管管道失效的因素是多种多样的,现有的技术方案,分析方法多集中于单一因素的发掘。但现实中多是多因一果,并非是单一因素就可能导致单一的结果,因此使得依据分析出来的结果,进行管道维护后,并不能有效地防止后续事故的发生,无法很好地保障事故的安全,同时现有的模型也比较固化单一,并不能够实时地进行调整。从目前的历史技术资料来看,即便是人为因素的破坏也可能是多个因素造成的。如发生在城市周边的破坏事故而言,归类为人为的破坏,可能是野蛮施工,也可能是存在油气管道标注不清晰和填埋不够深等的辅助因素。因此,在可穷举的失效因素之中,如何找到关键的点和最初的直接和临界的触发点因素,成为对输油管道的失效分析并保障安全的现实需要。
发明内容
为此本发明提出了一种油气管道事故失效因素的分析方法,可以准确地找到发掘和定位出失效的原因,并可有效地搜寻出关键点的因素。
一种油气管道事故失效因素分析方法:
步骤S1:以预设的失效因素和先验概率构造带权有向节点邻居表,其中,所述带权有向节点周期性地收集自己周边的其他带权有向的节点信息,并将周边节点列为自己的邻居带权有向节点,添加到自己的邻居表中;
步骤S2:根据所述的步骤S1获得的邻居表,构造由所述带权有向节点组成的有向图,所述有向图的各有向边设置有权重值;其中,所述权重值根据网页抓取的事故信息动态调整自己的邻近的节点之间的有向边的权重值并将有向边的权值更新或新增到邻居表中;其中有向边的权重值代表该有向边路径上的风险代价;当网页抓取的事故信息并不存在于有向图中时,将该事件依据固定的模板,新增到有向图中。所述新增到有向图中的跳转概率可以与其固定模板表述相关度最高节点的概率为基础,直接或加权设置。无边连接的两点间代表两者之间为0;两个节点之间是否存在连接关系,代表这两者之间的跳转概率,当概率值大于一定阈值pth时,两者的链路之间是可以有向连接的。
很显然,对于网页数据中抓取的事件信息,可以采用爬虫技术,从网络中进行关键词搜索,获取定性的调查报告或分析新闻。从中提取关键词,作为索引,并定义成事件,将该事件的跳转概率,可以依据现有工程设计中的先验概率或预设的概率事件,执行预先设置。显然,当该事件为一个已经有定义的事件,网页爬虫抓取的事件显示为焦点事件时,调整该事件的跳转概率,并改变跳转的各个加权边的权重值。所述调整可以采用线性调整,也可以采用抛物线曲线调整。根据网页爬虫技术能够使得有向图的能够实时更新有向图。
步骤S3:当发生管道事件失效时,在有向图中获取与该管道失效事件匹配的有向节点信息,以该有向节点为终点在整个有向图中执行从风险发生节点开始逆向搜索,也可以采取顺向搜索,即从获得的顶点信息向风险发生节点信息搜索,获得各个跳转的先验概率、有向边的权重值,计算从源节点到目的节点的最短路径;并记录每个路径搜寻到节点的时间t。所述搜寻到节点的时间也可以设置为跳转数。
所述目的节点为整个有向图中的顶点,如图2中,所述顶点如V2,V3,也可以是用户自行设置的节点。如在爆燃事故中,可以获知的因素是人为施工,也可以从爆燃事故执行到人为施工之间的最短路径的搜索。很显然的,搜索最短节点之间的算法,可以采用距离为依据进行路径选择,即跳转的节点数。
步骤S4:如果找到最短路径,则该最短路径上的节点因素,依据概率大小执行排序,从而获得失效因素的集合。如果找到多条最短路径,则计算获得的最短路径上各条边的权值w与跳转的概率值p相乘相加,依据相加之和,依据每条路径和,按照大小执行排序。选取和最大的路径为第一最短路径,将该路径中的节点信息定义为风险事故评价因素。
进一步,以依据概率和权重值相结合的方式执行搜寻,则将相加之和最高的路径,将其与其它最短路径执行相与操作,可以理解的是各个路径都存在自己的标识代码,获得各个节点的数,多条路径中出现频率最高的节点为关键节点,即存在重叠的节点,定义为事故风险因素。
进一步的,同样的可以依据搜寻过程中的时间参数t,确定所述关键节点,即如果一个结点的最早开始时间与倒推得到的最晚开始时间相等,则称该结点为关键结点。将所述关键点定义为风险事故评价因素。
优选的,所述有向图可以根据不同的施工阶段设置。
优选的,所述带权节点之前的跳转概率值的跳转阈值设置为0.05。
优选的,将已获得的故障信息匹配的带权有向节点设置为顶点。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1现有技术的失效原因示意图
图2油气管道事故失效加权有向图
图3本申请油气管道事故失效因素方法流程示意图
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。
实施例1
油气管道从泄漏事故发展至爆燃事故是一个风险动态演化发展的过程,如图1所示,油气管道到泄漏事故,可以有多种因素导致。各种因素交杂在一起,并非是单一路径的跳转,施工不安全和管道的承载能力和焊缝质量不合格,都会导致管道的泄漏,但导致泄漏也未必是必然发生的事情。管道的失效具有随机性和规律性,为了实现管道失效的因素全面发掘,借助于依据现有的事故因素的原因和网页抓取的因素。
本申请引入图论,将油气管道的事故有向图形,根据规律性的演变规律,可根据概率值,设置各个事故因素之间的跳转关系,建立一个有向权重图形,所述概率值根据工程设置中的预设概率。依据表1-2代表的事件和权重值,图2示例性地,将已知的事故建立一个具有权重的图,将事故连锁图中的事件和连接线转换为节点与边并进行编号,可知的为了后续计算方便可以删除事故连锁图中影响较小的结点,最终得到带权有向图。可以管理制度存在缺陷、介质腐蚀性过高和城市管理制度存在缺陷为起点,发生爆燃事故为终点。在本领域中以多种事故原因为基础设置有向图,但是为了提高实施的效率,在有向图形搜索阶段中依据不同的涉及阶段构造有向图。
表1各个节点代表的事件
表2各个边所代表的权重值
以图2构造的图形为例,结合图3描述本申请的方法流程。
步骤S1:构造带权有向节点,并依据网页抓取的数据,插入不同的有向节点因素,各个带权有向节点,周期性地收集自己周边的其他有向的节点信息,并将周边节点列为自己的邻居带权有向节点,添加到自己的邻居表中;
步骤S2:根据所述的步骤S1获得的邻居表,根据该邻居表,构造出带权有向图,对于预设的权重信息,根据网页抓取的历史或实时事故信息动态调整各个加权边的权重值,并调整自己的邻近的节点之间的有向边赋权值(权重值),并将有向边的权值更新或新增到邻居表中;其中,有向边的权重值代表该传输路径上的风险代价,无边连接的两点间代表两者之间为0;两个节点之间是否存在连接关系,代表这两者之间的跳转概率,当概率大于一定阈值pth时,两者的链路之间是可以有向连接的。
很显然,对于网页数据中抓取的事件信息,可以采用爬虫技术,从网络中进行关键词搜索,获取定性的调查报告或分析新闻。从中提取关键词,作为索引,并定义成事件,将该事件的跳转概率,可以依据现有工程设计中的先验概率或预设的概率事件,执行预先设置。显然,当该事件为一个已有定义的事件,网页爬虫抓取的事件显示为焦点事件时,调整该事件的跳转概率,并改变跳转的各个加权边的权重值。所述调整可以采用线性调整,也可以采用抛物线曲线调整。根据网页爬虫技术使得有向图的能够实时更新。
步骤S3:当发生某一节点的阈值过高时或管道已经失效时,根据预先失效的原因而获得构造的有向图,在整个有向图中执行从风险发生节点开始往回搜索,如发生爆发事故时,根据以爆燃事故为起点,执行搜寻,通过获得各个跳转的先验概率,边的权重值,计算从源节点到目的节点的最短路径;并记录每个路径搜寻到节点的时间t。所述搜寻到节点的时间也可以为设置为跳转数。
所述目的节点为整个有向图中的顶点,如图2中,所述顶点如V2,V3,也可以是用户自行设置的节点。如在爆燃事故中,可以获知的因素是人为施工,也可以从爆燃事故执行到人为施工之间的最短路径的搜索。很显然的,搜索最短节点之间的算法,可以采用距离为依据进行路径选择,即跳转的节点数。
步骤S4:如果找到最短路径,则该最短路径上的节点因素,依据概率大小执行排序,从而获得失效因素的集合。如果找到多条最短路径,则存在多条最短路径。则计算获得的最短路径上各条边的权值w与跳转的概率值p相乘相加,依据相加之和,依据每条路径和,按照大小执行排序。选取和最大的路径为第一最短路径。将第一最短路径中的节点信息定义为风险事故评价因素。
进一步,将依据概率和权重值相结合的方式执行搜寻,则将相加之和最高的路径与其它最短路径执行相与操作,可以理解的是各个路径都存在自己的标识代码,获得各个节点的数,多条路径中出现频率最高的节点为关键节点,即存在重叠的节点,选为事故风险因素。
进一步的,同样的可以依据搜寻过程中的时间参数t,确定所述关键节点,即所述如果一个节点的最早开始时间与倒推得到的最晚开始时间相等,则称该结点为关键结点。将所述关键点选为风险事故评价因素。
实施例2
为了提高搜索效果,在构造图论的阶段,依据不同的阶段设置不同的跳转路径,对日常维护因素和涉及因素、运营阶段的因素,分别设置有向图搜索。
步骤S1:以预设的失效因素和先验概率构造带权有向节点邻居表,其中,所述带权有向节点周期性地收集自己周边的其他带权有向的节点信息,并将周边节点列为自己的邻居带权有向节点,添加到自己的邻居表中;
步骤S2:根据所述的步骤S1获得的邻居表,构造由所述带权有向节点组成的有向图,所述有向图的各有向边设置有权重值;其中,所述权重值根据网页抓取的事故信息动态调整自己的邻近的节点之间的有向边的权重值并将有向边的权值更新或新增到邻居表中;其中有向边的权重值代表该有向边路径上的风险代价;当网页抓取的事故信息并不存在有向图中时,将该事件依据固定的模板描述,新增到有向图中。所述新增到有向图中的跳转概率可以与其固定模板表述相关度最高节点的概率为基础,直接或加权设置。无边连接的两点间代表两者之间为0;两个节点之间是否存在连接关系,代表这两者之间的跳转概率,当概率值大于一定阈值pth时,两者的链路之间是可以有向连接的。
很显然,对于网页数据中抓取的事件信息,可以采用爬虫技术,从网络中进行关键词搜索,获取定性的调查报告或分析新闻。从中提取关键词,作为索引并定义成事件,将该事件的跳转概率,可以依据现有工程设计中的先验概率或预设的概率事件,执行预先设置。显然,当该事件为一个已经有定义的事件,网页爬虫抓取的事件显示为焦点事件时,调整该事件的跳转概率,并改变跳转的各个加权边的权重值。所述调整可以采用线性调整,也可以采用抛物线曲线调整。根据网页爬虫技术能够实时更新有向图。
步骤S3:当发生管道事件失效时,在有向图中获取与该管道失效事件匹配的有向节点信息,以该有向节点为终点在整个有向图中执行从风险发生节点开始逆向搜索,也可以采取顺向搜素,即从获得的顶点信息向风险发生节点信息搜索,获得各个跳转的先验概率、有向边的权重值,计算从源节点到目的节点的最短路径;并记录每个路径搜寻到节点的时间t。所述搜寻到节点的时间也可以为设置为跳转数。
所述目的节点为整个有向图中的顶点,如图2中,所述顶点如V2,V3,也可以是用户自行设置的节点。如在爆燃事故中,可以获知的因素是人为施工,也可以从爆燃事故执行到人为施工之间的最短路径的搜索。很显然的,搜索最短节点之间的算法,可以采用距离为依据进行路径选择,即跳转的节点数。
步骤S4:如果找到最短路径,则该最短路径上的节点因素,依据概率大小执行排序,从而获得失效因素的集合。如果找到多条最短路径,则计算获得的最短路径上各条边的权值w与跳转的概率值p相乘相加,依据相加之和,依据每条路径和,按照大小执行排序。选取和最大的路径为第一最短路径,将该路径中的节点信息定义为风险事故评价因素。
进一步,将依据概率和权重值相结合的方式执行搜寻,则将相加之和最高的路径与其它最短路径执行相与操作,可以理解的是各个路径都存在自己的标识代码,获得各个节点的数,多条路径中出现频率最高的节点为关键节点,即存在重叠的节点,选为事故风险因素。
进一步的,同样的可以依据搜寻过程中的时间参数t,确定所述关键节点,即所述如果一个结点的最早开始时间与倒推得到的最晚开始时间相等,则称该结点为关键结点。将所述关键点选为风险事故评价因素。
实施例3
步骤S1:以预设的油气管道失效因素和先验跳转概率值p构造带权有向节点邻居表;其中,所述带权有向节点周期性地收集自己周边的其他带权有向节点的信息,并将周边节点列为自己的邻居带权有向节点,添加到自己的邻居表中;
步骤S2:根据所述的步骤S1获得的邻居表,对于预设的权重信息,根据网页抓取的历史或实时事故信息动态调整各个加权边的权重值,并调整自己的邻近的节点之间的有向边赋权值,并将有向边的权值更新或新增到邻居表中;其中,有向边的权值代表该传输路径上的风险代价,无边连接的两点间代表两者之间为0;两个节点之间是否存在连接关系,代表这两者之间的跳转概率,当概率大于一定阈值pth时,两者的链路之间是可以有向连接的。
很显然,对于网页数据中抓取的事件信息,可以采用爬虫技术,从网络中进行关键词搜索,获取定性的调查报告或分析新闻。从中提取关键词,作为索引,并定义成事件,将该事件的跳转概率,可以依据现有工程设计中的先验概率或预设的概率事件,执行预先设置。显然,当该事件为一个已经有定义的事件,网页爬虫抓取的事件显示为焦点事件时,调整该事件的跳转概率,并改变跳转的各个加权边的权重值。所述调整可以采用线性调整,也可以采用抛物线曲线调整。根据网页爬虫技术能够使得实时更新有向图。
步骤S3:当发生某一节点的阈值过高时或管道已经失效时,根据预先失效的原因而获得构造的有向图,在整个有向图中执行从风险发生节点开始往回搜索,如发生爆发事故时,根据以爆燃事故为起点,执行搜寻通过,获得各个跳转的先验概率、边的权重值,计算从源节点到目的节点的最短路径;并记录每个路径搜寻到节点的时间t。所述搜寻到节点的时间也可以为设置为跳转数。
所述搜索算法:1)假设用带权的邻接矩阵arcs来表示带权有向图,arcs[i][j]表示弧<Vi,Vj>上的权值。若<Vi,Vj>不存在,则置arcs[i][j]为∞。S为已经找到从开始点V出发的最短路径的终点的集合,它的初始状态为空集。那么,从V出发到图中其余各顶点Vi可能达到的最短路径长度的初始值为:
D[i]=arcs[Locate(V)][i],Vi∈V
(2)选择Vj,使得
D[j]=Min{D[i]|Vi=V-S}
Vj就是当前求得的一条从V出发的最短路径的终点。令
S=S∪{j}
(3)修改从V出发到集合V-S上任意顶点Vk可达的最短路径长度。如果式
D[j]+arcs[j][k]<D[k]
成立,则修改D[k]为
D[k]=D[j]+arcs[j][k]
(4)重复操作(2)、(3)共n-1次,可求得从V到图上其余各顶点的最短路径是依路径长度递增的序列。
所述目的节点为整个有向图中的顶点,如图2中,所述顶点如V2,V3,也可以是用户自行设置的节点。如在爆燃事故中,可以获知的因素是人为施工,也可以从爆燃事故执行到人为施工之间的最短路径的搜索。很显然的,搜索最短节点之间的算法,可以采用距离为依据进行路径选择,即跳转的节点数。
步骤S4:如果找到最短路径,则该最短路径上的节点因素,依据概率大小执行排序,从而获得失效因素的集合。如果找到多条最短路径,则存在多条最短路径。则计算获得的最短路径上各条边的权值w与跳转的概率值p相乘相加,依据相加之和,依据每条路径和,按照大小执行排序。选取和最大的路径为第一最短路径。将第一最短路径中的节点信息选为风险事故评价因素。
进一步,将依据概率和权重值相结合的方式执行搜寻,则将相加之和最高的路径与其它最短路径执行相与操作,可以理解的是各个路径都存在自己的标识代码,获得各个节点的数,多条路径中出现频率最高的节点为关键节点,即存在重叠的节点,选为事故风险因素。
进一步的,同样的可以依据搜寻过程中的时间参数t,确定所述关键节点,即所述如果一个结点的最早开始时间与倒推得到的最晚开始时间相等,则称该结点为关键结点。将所述关键点选为风险事故评价因素。
基于如上所述的示例,在一个实施例中还提供一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行所述程序时实现如上述各实施例中的任意一种视频播放方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性的计算机可读取存储介质中,如本发明实施例中,该程序可存储于计算机系统的存储介质中,并被该计算机系统中的至少一个处理器执行,以实现包括如上述各视频播放方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
据此,在一个实施例中还提供一种存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述各实施例中的任意一种视频播放方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种油气管道事故失效因素分析方法,其特征在于:
步骤S1:以预设的油气管道失效因素和先验跳转概率值p构造带权有向节点邻居表,其中,所述带权有向节点周期性地收集自己周边的其他带权有向节点的信息,并将周边节点列为自己的邻居带权有向节点,添加到自己的邻居表中;
步骤S2:根据所述的步骤S1获得的邻居表,由所述带权有向节点构造有向图,所述有向图的各有向边设置有权重值w;其中,所述权重值根据网页抓取的事故信息动态调整邻近节点有向边的权重值并将有向边的权重值更新或新增到邻居表中;所述有向边的权重值代表该有向边路径上的风险代价;
步骤S3:当发生管道事故时,在所述有向图中获取与该管道事故匹配的带权有向节点信息,以该匹配到的带权有向节点为终点在整个有向图中执行从风险发生节点到顶点的逆向搜索,计算从源节点到顶点的节点的最短路径;并记录每个路径搜寻到节点的时间t,所述顶点为无被跳转指向的带权有向节点;
步骤S4:如果仅找到一条最短路径,则该最短路径上的节点因素,依据跳转概率值大小执行排序,选取跳转概率值最大的节点信息为失效因素;如果找到多条最短路径,则计算获得的最短路径上各条边的权重值w与先验跳转概率值p相乘相加,依据相加和的大小执行排序,相加和最大的路径的节点信息为失效因素。
2.如权利要求1所述的方法,其特征在于,所述网页抓取的方式包括以固定时间模板的方式执行关键词搜索,获得事件描述信息。
3.如权利要求2所述的方法,其特征在于,动态调整邻近节点有向边的权重值是通过调整加权系数的方式进行调整,所述加权系数以等步长的方式调整。
4.如权利要求3所述的方法,其特征在于,所述步骤S4,进一步包括,在执行最短路径搜索的同时,也根据依据概率和权重值相结合的方式执行搜寻,搜索概率和权重乘之和最大的路径,将该和最大的路径与最短路径执行相与操作,将重叠的节点选为风险事故关键因素。
5.如权利要求1所述的方法,其特征在于,所述有向图根据不同的施工阶段设置。
6.如权利要求1所述的方法,其特征在于,将已获得的故障信息匹配的带权有向节点设置为顶点。
7.如权利要求1所述的方法,其特征在于,所述最短路径搜索方法以节点数为依据。
8.一种计算机存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行,以运行权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010683629.6A CN111859031B (zh) | 2020-07-15 | 2020-07-15 | 一种油气管道事故失效因素分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010683629.6A CN111859031B (zh) | 2020-07-15 | 2020-07-15 | 一种油气管道事故失效因素分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111859031A CN111859031A (zh) | 2020-10-30 |
CN111859031B true CN111859031B (zh) | 2023-06-20 |
Family
ID=72984243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010683629.6A Active CN111859031B (zh) | 2020-07-15 | 2020-07-15 | 一种油气管道事故失效因素分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859031B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365162B (zh) * | 2020-11-12 | 2024-03-08 | 北京交通大学 | 一种基于事故致因网络的铁路运行风险控制方法 |
CN113793128A (zh) * | 2021-09-18 | 2021-12-14 | 北京京东振世信息技术有限公司 | 业务故障原因信息生成方法、装置、设备和计算机可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0043006A2 (en) * | 1980-07-02 | 1982-01-06 | International Business Machines Corporation | Pattern recognition apparatus using prototype probability matching |
US6587844B1 (en) * | 2000-02-01 | 2003-07-01 | At&T Corp. | System and methods for optimizing networks of weighted unweighted directed graphs |
GB0322835D0 (en) * | 2003-09-30 | 2003-10-29 | Siemens Ag | A call routing method |
CN103957525A (zh) * | 2014-05-12 | 2014-07-30 | 江苏大学 | 车联网中基于分簇信任评估的恶意节点检测方法 |
CN105070097A (zh) * | 2015-07-16 | 2015-11-18 | 山东交通学院 | 一种营运车辆道路交通事故风险识别方法 |
CN107896168A (zh) * | 2017-12-08 | 2018-04-10 | 国网安徽省电力有限公司信息通信分公司 | 一种网络虚拟化环境下的电力通信网多域故障诊断方法 |
CN109947098A (zh) * | 2019-03-06 | 2019-06-28 | 天津理工大学 | 一种基于机器学习策略的距离优先最佳路径选择方法 |
-
2020
- 2020-07-15 CN CN202010683629.6A patent/CN111859031B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0043006A2 (en) * | 1980-07-02 | 1982-01-06 | International Business Machines Corporation | Pattern recognition apparatus using prototype probability matching |
US6587844B1 (en) * | 2000-02-01 | 2003-07-01 | At&T Corp. | System and methods for optimizing networks of weighted unweighted directed graphs |
GB0322835D0 (en) * | 2003-09-30 | 2003-10-29 | Siemens Ag | A call routing method |
CN103957525A (zh) * | 2014-05-12 | 2014-07-30 | 江苏大学 | 车联网中基于分簇信任评估的恶意节点检测方法 |
CN105070097A (zh) * | 2015-07-16 | 2015-11-18 | 山东交通学院 | 一种营运车辆道路交通事故风险识别方法 |
CN107896168A (zh) * | 2017-12-08 | 2018-04-10 | 国网安徽省电力有限公司信息通信分公司 | 一种网络虚拟化环境下的电力通信网多域故障诊断方法 |
CN109947098A (zh) * | 2019-03-06 | 2019-06-28 | 天津理工大学 | 一种基于机器学习策略的距离优先最佳路径选择方法 |
Non-Patent Citations (3)
Title |
---|
Pipe routing through ant colony optimization;Christodoulou S E 等;《Journal of Infrastructure Systems》;第16卷(第2期);149-159 * |
城市油气管道爆燃事故风险演化及应急决策研究;刘少杰;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》(第(2019)07期);B019-1116 * |
计及节点恢复成功率的黑启动分区恢复方案优化;梁海平 等;《电工技术学报》;第27卷(第11期);230-238 * |
Also Published As
Publication number | Publication date |
---|---|
CN111859031A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | Fault-tolerant relay node placement in heterogeneous wireless sensor networks | |
CN111859031B (zh) | 一种油气管道事故失效因素分析方法 | |
Goh et al. | Case-based reasoning approach to construction safety hazard identification: Adaptation and utilization | |
EP3745295B1 (en) | String matching method, string matching apparatus, storage medium, and electronic device | |
Tran et al. | Reverse k nearest neighbor and reverse farthest neighbor search on spatial networks | |
CN112165462A (zh) | 基于画像的攻击预测方法、装置、电子设备及存储介质 | |
CN102236693A (zh) | 确定文档之间的相似度的方法和设备 | |
Simou et al. | Optimization techniques for fuzzy description logics | |
CN114997546A (zh) | 基于多源数据的监测井综合调查评价方法、系统及介质 | |
CN103793589B (zh) | 一种高速列车故障处理方法 | |
CN110928922B (zh) | 一种基于大数据挖掘的公共政策分析模型部署方法及其系统 | |
CN117807245A (zh) | 网络资产图谱中节点特征提取方法及相似节点搜索方法 | |
CN110209742B (zh) | 一种基于区块链依据数据重要性分类存储系统及方法 | |
CN110807061A (zh) | 一种基于分层搜索不确定图的频繁子图的方法 | |
CN116028678A (zh) | 一种知识图谱中全量路径查找方法及系统 | |
CN113568991B (zh) | 一种基于动态风险的告警处理方法及系统 | |
CN115455417A (zh) | 一种基于属性图的同源性代码检测方法及系统 | |
Al Kindi et al. | The Journey Towards Net Zero Emissions for the Second Largest Asset in Petroleum Development Oman | |
Fang et al. | Cost-benefit analysis for traffic network reliability improvement | |
JP5169452B2 (ja) | 事例検索システム、事例検索方法及びプログラム | |
CN114429252A (zh) | 储气库地下设施动态风险评价方法和设备 | |
KR101852129B1 (ko) | 환경공간정보 및 빅데이터 중 텍스트마이닝을 활용한 환경연구 분석 시스템 | |
Boussouf | A hybrid approach to Feature Selection | |
CN117591705B (zh) | 基于图搜索的分表关联方法及设备 | |
CN113761446B (zh) | 网络舆情监测方法、装置、设备、程序产品及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |