基于贝叶斯网络的危险品突发事故应急决策模型研究

发布时间：2017-05-02 01:08

  本文关键词：基于贝叶斯网络的危险品突发事故应急决策模型研究，，由笔耕文化传播整理发布。

【摘要】：应急决策是近年来兴起的关于应急管理研究的核心问题之一,是应急管理领域的前沿问题。危险品应急救援由于事故本身危害剧烈、造成损失惨重、救援环境复杂和应对处理专业性的特殊要求,加之涉及伤亡人员抢救、警戒隔离区域、危及群众疏散、现场控制洗消、环境数据监测、舆论信息引导等一系列行动目标,更是一个非常复杂的决策问题和现实难题,因此,对危险品突发事故应急决策开展研究显得非常重要。传统的应急决策模式依赖于经验积累和主观判断已经在危险品应急救援决策过程中表现出局限性,无法适应动态复杂的危险品突发事故应急行动,需要拓展和创新对决策模式的研究。本文的研究目的旨在对危险品应急决策进行定量分析,通过建立贝叶斯应急决策模型,识别影响应急决策的关键因素,据此对应急决策提供支持。危险品应急决策是复杂的决策问题,其影响因素众多,识别有效因素并对其影响机理进行分析是研究危险品应急决策的重要前提。本文通过查阅大量危险品相关规章制度和事故调查报告,从预案、人员、环境和技术4个方面识别提取了28个影响因素,分别就每个因素对危险品应急决策的影响进行了深入分析。在此基础上,以贝叶斯网络理论为基础,根据研究需要最终确定23个影响因素作为网络节点。通过查阅33起危险品突发事故调查报告和案例介绍,建立节点评分标准,结合专家知识打分获取机器学习样本数据库,借助Ge NIE2.0软件的K2算法,在网络结构背景知识编辑的基础上通过导入样本数据库进行了结构自学习,并结合专家知识对网络进行了优化。根据事故调查报告统计获得节点先验概率,利用软件参数学习功能实现了网络的参数学习,由此完成了危险品突发事故应急决策模型的构建。结合实例介绍了网络推理应用的证据信息分析方法,通过对33起危险品事故调查报告进行证据信息分析,利用贝叶斯网络的推理功能对构建的危险品应急决策模型进行了合理性验证。利用Ge NIE2.0软件的敏感性分析功能找出了影响危险品突发事故应急行动的12个重要因素,并结合实际识别出了危险品突发事故应急决策链关键因素。整个网络的构建,有坚实的理论基础和机器学习数据,能够对危险品突发事故应急决策提供必要的决策支持。
【关键词】：危险品 突发事故 应急决策 贝叶斯网络
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ086.52
【目录】：

• 摘要4-6
• abstract6-11
• 第1章 绪论11-21
• 1.1 研究背景11-12
• 1.2 研究意义12-15
• 1.3 国内外相关研究综述15-19
• 1.3.1 国外危险品突发事故应急决策研究现状15-17
• 1.3.2 国内危险品突发事故应急决策研究现状17-19
• 1.4 论文主要内容与结构安排19-21
• 第2章 论文研究的相关理论基础21-35
• 2.1 多目标决策理论21-23
• 2.1.1 多目标决策概念、特点及分类21-22
• 2.1.2 多目标决策的求解22-23
• 2.2 项目管理理论23-25
• 2.2.1 项目管理概述23-24
• 2.2.2 项目管理与应急管理24-25
• 2.3 应急管理理论25-28
• 2.4 贝叶斯网络技术28-35
• 2.4.1 贝叶斯网络的理论基础28-29
• 2.4.2 贝叶斯网络模型29-30
• 2.4.3 贝叶斯网络的学习30-32
• 2.4.4 贝叶斯网络的推理32-33
• 2.4.5 贝叶斯网络应用实例33-35
• 第3章 危险品突发事故应急决策的影响因素分析35-47
• 3.1 危险品突发事故应急决策的预案因素35-39
• 3.2 危险品突发事故应急决策的人员因素39-43
• 3.3 危险品突发事故应急决策的环境因素43-45
• 3.4 危险品突发事故应急决策的技术因素45-47
• 第4章 基于贝叶斯网络的危险品突发事故应急决策模型构建47-59
• 4.1 危险品突发事故应急决策贝叶斯网络节点的确定47-49
• 4.1.1 贝叶斯网络节点的选取47-48
• 4.1.2 贝叶斯网络节点的状态定义48-49
• 4.2 危险品突发事故应急决策贝叶斯网络结构的建立49-53
• 4.2.1 贝叶斯网络结构的知识编辑49-52
• 4.2.2 贝叶斯网络结构学习52-53
• 4.3 危险品突发事故应急决策贝叶斯网络结构的优化53-54
• 4.4 危险品突发事故应急决策贝叶斯网络参数的学习54-56
• 4.5 危险品突发事故应急决策贝叶斯网络模型56-59
• 第5章 模型验证59-65
• 5.1 模型验证的证据信息分析59-61
• 5.2 危险品应急决策贝叶斯网络的推理验证61-63
• 5.3 危险品应急决策贝叶斯网络的敏感性分析63-65
• 第6章 结论与展望65-67
• 6.1 研究结论65-66
• 6.2 研究展望66-67
• 参考文献67-71
• 附录71-75
• 致谢75

【相似文献】

中国期刊全文数据库 前4条

1 李昊;谢中江;侯哲生;;基于贝叶斯决策的网格计算资源分配算法[J];吉林化工学院学报;2013年07期

2 周扬;吕进;戴曙光;刘铁兵;施秧;葛丁飞;李博斌;;基于贝叶斯决策的近红外光谱药片分类方法[J];分析化学;2013年02期

3 张虹波,董志强,史新生;可靠性分析的影响图方法[J];郑州轻工业学院学报;1993年04期

4 ;[J];;年期

中国重要会议论文全文数据库 前3条

1 闫子飞;李乃民;张大鹏;王宽全;林晓东;王淑英;;基于贝叶斯决策论的自适应舌脉分割方法[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

2 蒋晓杰;夏蓓;钱存华;;贝叶斯决策分析中有噪声信息的比较[A];第四届全国决策科学/多目标决策研讨会论文集[C];2007年

3 孙子文;纪志成;;基于最小风险贝叶斯决策的融合图像隐写分析[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

中国硕士学位论文全文数据库 前8条

1 李学鑫;基于贝叶斯网络的危险品突发事故应急决策模型研究[D];吉林大学;2016年

2 桑立锋;动态贝叶斯网络及其在说话人识别中的应用[D];浙江大学;2004年

3 孙巧丽;人脸识别中基于贝叶斯决策融合的算法[D];东北大学;2008年

4 杨会云;基于最小错误率贝叶斯决策和平滑滤波的图像去噪算法研究[D];河北师范大学;2010年

5 华鹏;贝叶斯决策及分析若干问题的研究[D];山东科技大学;2004年

6 贺颖;基于贝叶斯决策融合的多生物特征识别系统[D];电子科技大学;2009年

7 张重阳;基于彩色模型和贝叶斯决策的人脸检测[D];东北大学;2008年

8 邓迎宾;人脸识别关键技术研究[D];昆明理工大学;2008年

  本文关键词：基于贝叶斯网络的危险品突发事故应急决策模型研究，由笔耕文化传播整理发布。

本文编号：339993