CN114444933A - 一种基于建筑工程的危险源分析方法、设备和介质 - Google Patents

一种基于建筑工程的危险源分析方法、设备和介质 Download PDF

Info

Publication number
CN114444933A
CN114444933A CN202210095300.7A CN202210095300A CN114444933A CN 114444933 A CN114444933 A CN 114444933A CN 202210095300 A CN202210095300 A CN 202210095300A CN 114444933 A CN114444933 A CN 114444933A
Authority
CN
China
Prior art keywords
risk
occurrence
event
source
risk event
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
CN202210095300.7A
Other languages
English (en)
Inventor
肖程耀
郑勇
曾大伟
鞠明
黄红波
李思哲
杨卫国
李白洋
王明渊
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.)
Sichuan No6 Construction Co ltd
Original Assignee
Sichuan No6 Construction Co ltd
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 Sichuan No6 Construction Co ltd filed Critical Sichuan No6 Construction Co ltd
Priority to CN202210095300.7A priority Critical patent/CN114444933A/zh
Publication of CN114444933A publication Critical patent/CN114444933A/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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • Educational Administration (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种基于建筑工程的危险源分析方法、设备和介质，具体包括：S1、获取风险事件相关数据，对风险事件进行危险源机理分析，确定导致风险事件发生的危险源因子S2、根据危险源因子对风险事件发生的不同状态的影响进行分析，构建贝叶斯网络模型；S3、对贝叶斯网络模型的结构及参数进行更新，根据风险事件发生原因对危险源因子进行测试，修正贝叶斯网络模型。通过对风险事件的形成进行正向推理和逆向推理，对风险事件发生的多个阶段的危险源因子辨识，扩大安全管理的覆盖面，对危险源因子进行动态管理，减少风险事件发生频率，提高安全管理效率。

Description

一种基于建筑工程的危险源分析方法、设备和介质
技术领域
本发明涉及建筑安全管理技术领域，具体涉及一种基于建筑工程的危险源分析方法、设备和介质。
背景技术
由于建筑工程施工环境复杂多变、危险源因素繁多且关联性强，使得施工中安全风险事件频发。为了避免施工安全风险事件造成严重的人员伤亡和财产损失，国内外工程人员逐渐重视安全风险事件的风险管理，基于定性或定量评价方法识别潜在安全风险事件风险，对发生可能性较大的风险及早应对防范。然而，当前工程风险事件的风险管理主要偏重于风险事件发生前的安全管理，即事前管理，这些传统安全管理方法存在覆盖面窄、无法快速动态识别危险源等缺陷。
发明内容
本发明所要解决的技术问题是无法动态识别危险源，目的在于提供一种基于建筑工程的危险源分析方法、设备和介质，通过对风险事件发生的多个阶段的危险源因子辨识，通过对建筑工程施工的危险源因子进行动态分析，提高对危险源因子的动态识别。
本发明通过下述技术方案实现：
本发明第一方面提供一种基于建筑工程的危险源分析方法，具体包括：
S1、获取风险事件相关数据，对风险事件进行危险源机理分析，确定导致风险事件发生的危险源因子；
S2、根据危险源因子对风险事件发生的不同状态的影响进行分析，构建贝叶斯网络模型；
S3、对贝叶斯网络模型的结构及参数进行更新，根据风险事件发生原因对危险源因子进行测试，修正贝叶斯网络模型。
本发明通过对风险事件发生的危险源机理分析，获得导致风险事件发生的危险源因子，对所有危险源因子及危险源因子之间的影响关系，根据危险源因子对风险事件发生的不同状态的影响进行分析，采用结构化系统开发方法，构建贝叶斯网络模型，对贝叶斯网络模型的结构及参数进行更新，根据风险事件发生原因对危险源因子进行测试，修正贝叶斯网络模型，将修正贝叶斯网络模型运用到建筑工程的未知风险及危险源因子辨识中，对风险事件进行危险源机理分析具体包括对风险事件的形成进行正向推理和逆向推理，分析危险源因子在风险事件发生前、风险事件发生时和风险事件发生后安全管理过程的相互影响和制约关系，通过对风险事件发生的多个阶段的危险源因子辨识，扩大安全管理的覆盖面，通过对传统建筑工程施工的危险源因子进行动态分析，对危险源因子进行动态管理，提高对危险源因子的动态识别，减少风险事件发生频率，提高安全管理效率。
作为对本发明的进一步限定，所述导致风险事件发生的危险源因子包括对安全管理体系缺陷、人的不安全行为和物的不安全状态。
作为对本发明的进一步限定，所述根据危险源因子对风险事件发生的不同状态的影响进行分析包括风险事件发生前概率预测和风险事件发生时关键危险源辨识。
作为对本发明的进一步限定，所述风险事件发生前概率预测方法包括：
通过联合概率分布推算多个危险源因子的危险源组合下的风险事件的发生概率：
所述风险事件发生概率P(T＝1)为：
Figure BDA0003490618360000021
其中：根节点Xi表示危险源因子，i＝1,2,…n，叶结点T表示风险事件，n表示根节点的个数，每个根节点状态包括0和1两种状态，1表示事件发生,0表示事件不发生，n个节点共有2n种组合，P(T＝1|X1＝x1,X2＝x2,…,Xn＝xn)表示贝叶斯网络前向传导的条件概率表；P(X1＝x1,X2＝x2,…,Xn＝xn)表示根节点Xi的联合概率，P(T＝1)表明了风险事件T发生的可能性。
作为对本发明的进一步限定，所述风险事件发生时关键危险源辨识方法包括：
评价危险源因子发生对风险事件发生概率的影响程度IRAW(Xi)：
Figure BDA0003490618360000022
其中：P(T＝1|Xi＝0)表示该危险源因子不导致风险事件的发生，P(T＝1|Xi＝1)表示该危险源因子必然导致风险事件的发生，P(T＝1)表示风险事件发生概率。
作为对本发明的进一步限定，所述危险源因子发生对风险事件发生概率的影响程度IRAW(Xi)评价用于辨识关键危险源以明确风险事件发生前的控制要点，所述关键危险源通常选取各项排序结果均较为靠前的根节点。
作为对本发明的进一步限定，所述根据风险事件发生原因对危险源因子进行测试包括通过对风险事件发生后原因进行诊断，修正危险源因子对风险事件的影响概率。
作为对本发明的进一步限定，所述风险事件发生后原因诊断方法包括：
考察风险事件发生状态下各危险源因子的后验概率分布P(Xi＝1|T＝1)：
Figure BDA0003490618360000023
其中：第i个根节点危险源因子Xi的后验概率用P(Xi＝1|T＝1)表示，i＝1,2,…n，P(Xi＝1)表示危险源因子，P(T＝1|Xi＝1)表示该危险源因子必然导致风险事件的发生，P(T＝1)表示风险事件发生概率。
本发明第二方面提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述的一种基于建筑工程的危险源分析方法。
本发明第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述所述的一种基于建筑工程的危险源分析方法。
本发明与现有技术相比，具有如下的优点和有益效果：
1.通过根据危险源因子对风险事件发生的不同状态的影响进行分析，分析危险源因子在风险事件发生前、风险事件发生时和风险事件发生后安全管理过程的相互影响和制约关系，扩大安全管理的覆盖面，对危险源因子进行动态管理，减少风险事件发生频率，提高安全管理效率；
2.对多个危险源因子以及危险源因子之间的相互影响关系进行分析，提高对危险源因子的动态识别；
3.根据风险事件发生原因对危险源因子进行测试，修正贝叶斯网络模型，提高贝叶斯网络模型对建筑工程中风险事件预测的精准性和危险源因子控制的效率。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。在附图中：
图1为本发明实施例中的危险源建模分析流程图；
图2为本发明实施例中的风险事件对应代码及基本事件先验概率；
图3为本发明实施例中的高处坠落贝叶斯网络模型初始状态图；
图4为本发明实施例中的建筑安全防护栏杆缺失或存在缺陷等情况下的贝叶斯网络图；
图5为本发明实施例中的模拟安全防护栏杆缺失或存在缺陷和脚手架或作业平台搭设不规范同时存在的情况下贝叶斯网络图；
图6为本发明实施例中的模拟高坠风险事件已发生后的贝叶斯网络图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
如图1所示本实施例第一方面提供一种基于建筑工程的危险源分析方法，具体包括：
S1、获取风险事件相关数据，对风险事件进行危险源机理分析，确定导致风险事件发生的危险源因子；
S2、，根据危险源因子对风险事件发生的不同状态的影响进行分析，构建贝叶斯网络模型；
S3、对贝叶斯网络模型的结构及参数进行更新，根据风险事件发生原因对危险源因子进行测试，修正贝叶斯网络模型。
通过对风险事件发生的危险源机理分析，获得导致风险事件发生的危险源因子，对所有危险源因子及危险源因子之间的影响关系，根据危险源因子对风险事件发生的不同状态的影响进行分析，采用结构化系统开发方法，构建贝叶斯网络模型，对贝叶斯网络模型的结构及参数进行更新，根据风险事件发生原因对危险源因子进行测试，修正贝叶斯网络模型，将修正贝叶斯网络模型运用到建筑工程的未知风险及危险源因子辨识中，对风险事件进行危险源机理分析具体包括对风险事件的形成进行正向推理和逆向推理，分析危险源因子在风险事件发生前、风险事件发生时和风险事件发生后安全管理过程的相互影响和制约关系，通过对风险事件发生的多个阶段的危险源因子辨识，扩大安全管理的覆盖面，通过对传统建筑工程施工的危险源因子进行动态分析，对危险源因子进行动态管理，提高对危险源因子的动态识别，减少风险事件发生频率，提高安全管理效率。
在一些可能的实施例中，导致风险事件发生的危险源因子包括对安全管理体系缺陷、人的不安全行为和物的不安全状态。
在一些可能的实施例中，基于贝叶斯网络的建筑工程危险源分析，实际上是将风险事件的形成与发生当作一个动态的、连续的过程看待，通过正向推理、逆向推理等方式，动态地分析各个危险源因子在事前、事中及事后安全管理全过程的相互影响和彼此制约的关系，以便为风险事件防范提供科学、有效、及时的管理支持。
根据危险源因子对风险事件发生的不同状态的影响进行分析包括风险事件发生前概率预测、风险事件发生时关键危险源辨识和风险事件事后原因诊断：
(1)风险事件发生前概率预测：风险事件发生后诊断并查明风险事件原因，即反向推理。利用贝叶斯网络的反向推理技术，考察叶节点T(风险事件)发生状态下各个根节点(危险源)的后验概率分布，风险事件发生概率P(T＝1)为：
Figure BDA0003490618360000051
其中：根节点Xi表示危险源因子，i＝1,2,…n，叶结点T表示风险事件，n表示根节点的个数，每个根节点状态包括0和1两种状态，1表示事件发生,0表示事件不发生，n个节点共有2n种组合，P(T＝1|X1＝x1,X2＝x2,…,Xn＝xn)表示贝叶斯网络前向传导的条件概率表；P(X1＝x1,X2＝x2,…,Xn＝xn)表示根节点Xi的联合概率，P(T＝1)表明了风险事件T发生的可能性，一般划分为5个级别，便于施工人员在事前阶段界定风险事件等级，及早采取措施，如表1所示：
表1风险事件发生概率等级
概率等级 很小 小 中等 大 很大
概率区间 ＜0.2 0.2～0.4 0.4～0.6 0.6～0.8 ＞0.8
(2)风险事件发生时关键危险源辨识：利用贝叶斯网络的分析技术，表明第i个根节点Xi(危险源)对叶结点T(风险事件)的影响程度，进而辨识关键危险源以明确过程控制要点。重要度的求解在贝叶斯网络中非常简单，而且是准确解，风险事件发生时关键危险源辨识包括评价危险源因子发生对风险事件发生概率的影响程度IRAW(Xi)：
Figure BDA0003490618360000052
其中：P(T＝1|Xi＝0)表示该危险源因子不导致风险事件的发生，P(T＝1|Xi＝1)表示该危险源因子必然导致风险事件的发生，P(T＝1)表示风险事件发生概率。
用IRAW(Xi)评价危险源因子Xi发生与否对风险事件T发生概率的影响程度大小，IRAW(Xi)值越大，危险源因子发生对风险事件发生概率的影响程度越强，危险源因子发生对风险事件发生概率的影响程度IRAW(Xi)评价用于辨识关键危险源以明确风险事件发生前的控制要点，关键危险源通常选取各项排序结果均较为靠前的根节点。
(3)风险事件发生后原因诊断：风险事件事后原因诊断包括：考察风险事件发生状态下各危险源因子的后验概率分布P(Xi＝1|T＝1)：
Figure BDA0003490618360000053
其中：第i个根节点危险源因子Xi的后验概率用P(Xi＝1|T＝1)表示，i＝1,2,…n，P(Xi＝1)表示危险源因子，P(T＝1|Xi＝1)表示该危险源因子必然导致风险事件的发生，P(T＝1)表示风险事件发生概率，P(Xi＝1|T＝1)越大，表明该危险源成为风险事件的致因的可能性越大。
本实施例第二方面提供一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述的一种基于建筑工程的危险源分析方法。
本实施例第三方面提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，计算机程序被处理器执行时实现如上述的一种基于建筑工程的危险源分析方法。
实施例2
近年发展起来的人工智能推理技术中，贝叶斯网络(BN，BayesianNetwork)应用较为广泛，其能够使先验知识和样本数据有机结合，被国内外学者认为是不确定环境中实现知识表示、推断、预测最理想的科学工具。以建筑工程中安全事故发生频次最高的高处坠落事故为例进行实例分析研究，通过事前概率预测、事中关键危险源因子辨识以及事后致因诊断对传统安全管理进行分析，实现建筑工程安全过程一体化管理。
本实施例以“高处坠落”作为风险事件进行贝叶斯网络安全管理辅助系统建模。本分析方法在高处坠落风险事件原因研究中选用2000-2016年的56起建筑施工高处坠落风险事件作为分析对象，这些风险事件案例来源于公开出版的风险事件案例集、论文以及政府安监网站上发布的风险事件调查报告等。风险事件案例涵盖洞口临边作业、脚手架、卸料平台作业高坠等多种高处坠落类型，本分析方法对建筑工程高处坠落风险事件中的安全管理体系缺陷、人的不安全行为(包括管理人员和作业人员)、物的不安全状态中的多种原因进行全面分析，并结合领域专家和现场安全工程师实际施工经验，最后完成高处坠落风险事件安全管理辅助系统创建。
高处坠落风险事件贝叶斯网络中的事件对应代码及基本事件先验概率如图2所示，根据风险事件对应代码及基本事件先验概率表的各项事件及其对应的先验概率，通过贝叶斯网构建模型，初始模型如图3所示。
(1)正向推理预测风险事件前风险发生概率
如图4所示，通过本高处坠落贝叶斯网络模型模拟风险事件发生前，即事前阶段及时知晓风险事件发生概率有利于施工人员及时采取措施。基于构建的贝叶斯网络模型，在根节点Xi的先验概率下，利用
Figure BDA0003490618360000061
推算得建筑工程T(高处坠落风险事件)发生概率为13.1％，相对较低，
当某个节点的状态已确定，即根节点给定概率下也能快速推算T的发生概率。建筑工程中以下情况时有发生，如现场安全防护栏杆缺失或存在缺陷等情况下(P(X34＝1)＝1)，推算得T高坠风险事件)发生概率变为17％。
如图5所示，若再加脚手架或作业平台搭设不规范P(X35＝1)＝1的情况，物的不安全状态A3这项风险升到64.2％，高处坠落风险事件发生概率立即增长到21.1％，相对较高，现场管理人员应及时采取应对措施，加强现场安全防护措施，同时整改现场脚手架搭设不规范的情况，便能有效规避高处坠落风险事件。
(2)反向推理快速查明风险事件发生后最可能原因组合
如图6所示，通过本贝叶斯网络高坠风险事件模型，反向推理，模拟已经发生了高坠风险事件(P(T＝1)＝1)，根据式
Figure BDA0003490618360000071
计算各根节点的后验概率值，发现在安全管理系统缺陷A1中安全组织机构不合格X1和无施工方案或方案不合格X2，以及物的不安全状态A3中安全防护栏杆缺失或存在缺陷X34、脚手架或作业平台搭设不规范X35、安全网缺失或存在缺陷X36后验概率升幅较大，这5项原因组合是最可能导致高坠风险事件发生的诱因。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于建筑工程的危险源分析方法，其特征在于，具体包括：
S1、获取风险事件相关数据，对风险事件进行危险源机理分析，确定导致风险事件发生的危险源因子；
S2、根据危险源因子对风险事件发生的不同状态的影响进行分析，构建贝叶斯网络模型；
S3、对贝叶斯网络模型的结构及参数进行更新，根据风险事件发生原因对危险源因子进行测试，修正贝叶斯网络模型。
2.根据权利要求1所述的基于建筑工程的危险源分析方法，其特征在于，所述导致风险事件发生的危险源因子包括：对安全管理体系缺陷、人的不安全行为和物的不安全状态。
3.根据权利要求1所述的基于建筑工程的危险源分析方法，其特征在于，所述根据危险源因子对风险事件发生的不同状态的影响进行分析包括：风险事件发生前概率预测和风险事件发生时关键危险源辨识。
4.根据权利要求3所述的基于建筑工程的危险源分析方法，其特征在于，所述风险事件发生前概率预测方法包括：
通过联合概率分布推算多个危险源因子的危险源组合下的风险事件的发生概率；
所述风险事件发生概率P(T＝1)为：
Figure FDA0003490618350000011
其中：根节点Xi表示危险源因子，i＝1,2,…n，叶结点T表示风险事件，n表示根节点的个数，每个根节点状态包括0和1两种状态，1表示事件发生,0表示事件不发生，n个节点共有2n种组合，P(T＝1|X1＝x1,X2＝x2,…,Xn＝xn)表示贝叶斯网络前向传导的条件概率表；P(X1＝x1,X2＝x2,…,Xn＝xn)表示根节点Xi的联合概率，P(T＝1)表明了风险事件T发生的可能性。
5.根据权利要求3所述的基于建筑工程的危险源分析方法，其特征在于，所述风险事件发生时关键危险源辨识方法包括：
评价危险源因子发生对风险事件发生概率的影响程度IRAW(Xi)：
Figure FDA0003490618350000012
其中：P(T＝1|Xi＝0)表示该危险源因子不导致风险事件的发生，P(T＝1|Xi＝1)表示该危险源因子必然导致风险事件的发生，P(T＝1)表示风险事件发生概率。
6.根据权利要求5所述的基于建筑工程的危险源分析方法，其特征在于，所述危险源因子发生对风险事件发生概率的影响程度IRAW(Xi)评价用于辨识关键危险源以明确风险事件发生前的控制要点，所述关键危险源通常选取各项排序结果均较为靠前的根节点。
7.根据权利要求1所述的基于建筑工程的危险源分析方法，其特征在于，所述根据风险事件发生原因对危险源因子进行测试的步骤包括通过对风险事件发生后原因进行诊断，修正危险源因子对风险事件的影响概率。
8.根据权利要求7所述的基于建筑工程的危险源分析方法，其特征在于，所述风险事件发生后原因诊断方法包括：
考察风险事件发生状态下各危险源因子的后验概率分布P(Xi＝1|T＝1)：
Figure FDA0003490618350000021
其中：第i个根节点危险源因子Xi的后验概率用P(Xi＝1|T＝1)表示，i＝1,2,…n，P(Xi＝1)表示危险源因子，P(T＝1|Xi＝1)表示该危险源因子必然导致风险事件的发生，P(T＝1)表示风险事件发生概率。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的一种基于建筑工程的危险源分析方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的一种基于建筑工程的危险源分析方法。
CN202210095300.7A 2022-01-26 2022-01-26 一种基于建筑工程的危险源分析方法、设备和介质 Pending CN114444933A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210095300.7A CN114444933A (zh) 2022-01-26 2022-01-26 一种基于建筑工程的危险源分析方法、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210095300.7A CN114444933A (zh) 2022-01-26 2022-01-26 一种基于建筑工程的危险源分析方法、设备和介质

Publications (1)

Publication Number Publication Date
CN114444933A true CN114444933A (zh) 2022-05-06

Family

ID=81369752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210095300.7A Pending CN114444933A (zh) 2022-01-26 2022-01-26 一种基于建筑工程的危险源分析方法、设备和介质

Country Status (1)

Country Link
CN (1) CN114444933A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116644954A (zh) * 2023-05-06 2023-08-25 长电新能有限责任公司 抽蓄工程施工安全风险智能化决策方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005076208A1 (ja) * 2004-02-03 2005-08-18 Inter-Db Co., Ltd. ベイジアンネットワークを用いた事象分析対処システム
CN103077447A (zh) * 2013-01-24 2013-05-01 华中科技大学 一种基于贝叶斯网络的地铁施工安全管理决策方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005076208A1 (ja) * 2004-02-03 2005-08-18 Inter-Db Co., Ltd. ベイジアンネットワークを用いた事象分析対処システム
CN103077447A (zh) * 2013-01-24 2013-05-01 华中科技大学 一种基于贝叶斯网络的地铁施工安全管理决策方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张立茂;陈虹宇;吴贤国;: "基于贝叶斯网络的复杂工程安全管理决策支持方法研究", 中国安全科学学报, no. 06, pages 1 - 6 *
易玉枚;廖可兵;易灿南;: "基于BN的模糊系统事故风险管理辅助分析", 安全与环境工程, no. 03 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116644954A (zh) * 2023-05-06 2023-08-25 长电新能有限责任公司 抽蓄工程施工安全风险智能化决策方法
CN116644954B (zh) * 2023-05-06 2024-02-09 长电新能有限责任公司 抽蓄工程施工安全风险智能化决策方法

Similar Documents

Publication Publication Date Title
Cheng et al. GA‐based multi-level association rule mining approach for defect analysis in the construction industry
CN110174883B (zh) 一种系统健康状态评估方法及装置
CN107992410B (zh) 软件质量监测方法、装置、计算机设备和存储介质
Liao et al. The mechanism of how design failures cause unsafe behavior: the cognitive reliability and error analysis method (CREAM)
CN113658715A (zh) 一种面向船舶航行风险管控的安全屏障管理方法及系统
CN114444933A (zh) 一种基于建筑工程的危险源分析方法、设备和介质
CN116862081A (zh) 一种污染治理设备运维方法及系统
Menzies et al. Model-based tests of truisms
Moat et al. Survival analysis and predictive maintenance models for non-sensored assets in facilities management
CN117909864A (zh) 一种电力故障预测系统及方法
CN115114124A (zh) 主机风险的评估方法及评估装置
Hu et al. Clash relevance prediction in BIM-Based design coordination using Bayesian statistics
Zhu et al. Characterization of the underlying mechanisms of vulnerability in complex projects using dynamic network simulation
Zhang et al. Life cycle management of structural systems based on the optimal SHM strategy by VoI analysis
US20200391885A1 (en) Methods and systems for identifying aircraft faults
CN110865939B (zh) 应用程序质量监测方法、装置、计算机设备和存储介质
CN109558258B (zh) 一种分布式系统根源故障定位的方法及装置
Saraiva et al. A systematic process to define expert-driven software metrics thresholds (S).
Preyssl et al. Risk management at ESA
CN104239688A (zh) 一种基于人因可靠性分析的电力倒闸方法
CN116382250B (zh) 一种工控攻击事件监测感知处理方法及系统、存储介质
CN117692143B (zh) 一种通信密钥管理方法
Johnson et al. A data driven approach to elicit causal links between performance shaping factors and human failure events
Petkov Context Awareness for Uncertainty Reduction in PSA and HRA
Vasanthi et al. Software reliability estimation using Bayesian approach

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