期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
分组样本下先验BN模型及条件概率的学习算法
1
作者 汪荣贵 张佑生 +1 位作者 王浩 胡学钢 《微电子学与计算机》 CSCD 北大核心 2002年第5期1-3,共3页
文章扩展经典的先验BN模型,采用两层学习结构讨论分组样本下BN模型的条件概率及学习算法:一层是对各组私有条件概率分布的学习;另一层是对各组公有条件概率分布的学习。算法在综合公有后验条件概率分布和本组学习实例数据分布特征的基础... 文章扩展经典的先验BN模型,采用两层学习结构讨论分组样本下BN模型的条件概率及学习算法:一层是对各组私有条件概率分布的学习;另一层是对各组公有条件概率分布的学习。算法在综合公有后验条件概率分布和本组学习实例数据分布特征的基础上,实现对各组私有条件概率分布的学习,并可通过经验或学习来改变综合值中共性和个性的比例。 展开更多
关键词 人工智能 分组样本 先验bn模型 条件概率 学习算法
在线阅读 下载PDF
基于N-K模型和贝叶斯网络的船舶载运汽车火灾风险耦合分析
2
作者 王意如 王彦富 +1 位作者 乔健 李逊 《消防科学与技术》 北大核心 2025年第4期439-447,共9页
风险之间由于传播效应和相互作用而产生的风险因素耦合,可能导致重大事故的发生。为了分析船舶载运汽车火灾事故风险的耦合性,提出N-K模型和贝叶斯网络(BN)模型相结合的一种新的定量分析方法。首先,通过对历史事故的统计分析,探讨船舶... 风险之间由于传播效应和相互作用而产生的风险因素耦合,可能导致重大事故的发生。为了分析船舶载运汽车火灾事故风险的耦合性,提出N-K模型和贝叶斯网络(BN)模型相结合的一种新的定量分析方法。首先,通过对历史事故的统计分析,探讨船舶载运汽车火灾事故的原因,明确人员、机械、电气和环境因素的风险耦合类型;其次,构建N-K模型研究各因素之间的耦合关系和风险耦合机制;最后,根据上述结果构建BN模型并验证。此外,我们还将开展敏感性分析和反向推理分析等深入研究,以确保模型的准确性。结果表明:船舶载运汽车发生火灾概率最高的耦合类型是“人员-机械”耦合,发生概率为14.795%;发生火灾概率最低的是“人员-机械-电气-环境”耦合,发生率为1.354%,但其风险耦合值最大,约为0.43。我们应当特别关注与人员操作和机械故障相关的风险因素,以预防这些因素的共存或多重叠加,进而有效降低船舶载运汽车火灾事故的发生,本研究的成果不仅对提升船舶载运汽车的防火规范具有指导意义,同时也为风险评估和消防救援工作提供了参考依据。 展开更多
关键词 船舶载运汽车火灾 风险耦合分析 bn模型 N-K模型
在线阅读 下载PDF
基于DEMATEL−ISM−BN的煤矿透水事故影响因素分析 被引量:6
3
作者 洪伟斌 盛武 《工矿自动化》 北大核心 2022年第12期116-122,共7页
透水事故是继瓦斯事故和顶板事故之后的第三大煤矿事故,分析探究透水事故致因及各因素间的内在关联,可有效实现透水事故管控和遏制。现有煤矿透水事故研究大多针对某一地区或某一方面,缺少对影响因素之间复杂因果关系及各因素对事故影... 透水事故是继瓦斯事故和顶板事故之后的第三大煤矿事故,分析探究透水事故致因及各因素间的内在关联,可有效实现透水事故管控和遏制。现有煤矿透水事故研究大多针对某一地区或某一方面,缺少对影响因素之间复杂因果关系及各因素对事故影响程度的深入研究。针对该问题,采用决策试验和评价试验法(DEMATEL)和解释结构模型法(ISM)对煤矿透水事故影响因素进行分析,构建多级递阶结构模型,并将其映射到贝叶斯网络(BN)模型中,得到DEMATEL−ISM−BN模型。基于数据驱动思想,对典型事故案例进行研究,确定了诱发煤矿透水事故的18个影响因素;结合专家打分结果进行DEMATEL分析,计算各因素的影响度、被影响度、原因度和中心度;根据DEMATEL分析结果计算得出ISM的可达矩阵,构建多级递阶结构模型;结合煤矿透水事故真实案例样本数据构建BN模型,利用BN模型的故障诊断功能进行致因链分析。DEMATEL分析结果表明,水害认识不足、水文地质探测不到位是煤矿透水事故发生的主要影响因素,其次是安全管理混乱和技术手段薄弱;ISM分析结果表明,三违行为和水源威胁在透水事件多级递阶结构模型中处于顶层,是诱发透水事故的直接因素;BN分析结果表明,水文地质探测不到位→水源威胁→透水事故是最可能的致因链。要有效遏制煤矿透水事故的发生,应提高员工水害意识,严格进行水文地质探测工作,从根本上杜绝生产人员的违法违规行为。 展开更多
关键词 煤矿安全 煤矿透水事故 DEMATEL−ISM−bn模型 贝叶斯网络 多级递阶结构模型 致因链
在线阅读 下载PDF
基于人工智能的输变电设备故障预测与智能维护技术
4
作者 张蔚元 《通信电源技术》 2023年第21期275-277,共3页
为有效提升输变电设备一体化智能检测系统的效率和准确性,提出一种基于人工智能(Artificial Intelligence,AI)技术Markov分析法和贝叶斯网络(Bayesian Network,BN)模型的Markov-BN一体化智能故障预测系统。利用BN模型,训练学习一体化智... 为有效提升输变电设备一体化智能检测系统的效率和准确性,提出一种基于人工智能(Artificial Intelligence,AI)技术Markov分析法和贝叶斯网络(Bayesian Network,BN)模型的Markov-BN一体化智能故障预测系统。利用BN模型,训练学习一体化智能故障预测系统中采集的实时信号,并且将该故障预测系统得出的故障诊断权值与输变电设备故障性能做对比,以此确定输变电设备的运行状态,实现智能运维系统快速诊断效果。以输变电设备绝缘子故障预测诊断为例,验证了该系统的有效性。 展开更多
关键词 人工智能(AI) Markov分析法 贝叶斯网络(bn)模型 输变电设备 故障检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部