[发明专利]基于模糊贝叶斯网络的口岸货物堆场火源风险分析方法

说明书

本发明公开了基于模糊贝叶斯网络的口岸货物堆场火源风险分析方法，包括如下步骤：S1、确定风险事件与BN模型建立；S2、使用FAHP方法计算每个专家的能力并分配主观和客观因素的权重；S3、收集数据，划分概率区间，计算模糊概率；S4、将模糊值去模糊化转换为精确值，对精确概率进行归一化；S5、利用BN的因果推理技术计算风险事件T的概率；S6、通过BN的逻辑推理技术计算出每个风险因素的后验概率，用于确定潜在事故现场的实际点火原因，防止火灾事故的发生，本发明可以实时计算口岸货物堆场潜在风险事件发生的概率和风险因素的概率分布，同时可以确定事故最可能的潜在原因。

技术领域

本发明属于火灾风险分析领域，更具体地说，尤其涉及基于模糊贝叶斯网络的口岸货物堆场火源风险分析方法。

背景技术

在口岸货物堆场安全生产系统中，由于数据不足、知识不完整，很难甚至不可能获得准确的信息。因此，通常采用群决策技术来评估根节点的出现概率。模糊集理论(FST)为解决不确定性下的工程问题提供了一种有效的工具。可以根据区间或模糊数来考虑不确定性。然而，模糊推理方法缺乏进行逆向推理的能力。作为不确定性推理和数据分析的工具，贝叶斯网络(BN)被广泛用于实现不确定性知识表示和推理，因此，BN和模糊逻辑理论的结合为口岸货物堆场火灾风险评估提供了一个值得考虑的方法。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，可以实时计算口岸货物堆场潜在风险事件发生的概率和风险因素的概率分布，同时可以确定事故最可能的潜在原因，而提出的基于模糊贝叶斯网络的口岸货物堆场火源风险分析方法。

为实现上述目的，本发明提供如下技术方案：基于模糊贝叶斯网络的口岸货物堆场火源风险分析方法，包括如下步骤：

S1、确定风险事件与BN模型建立；

S2、使用FAHP方法计算每个专家的能力并分配主观和客观因素的权重；

S3、收集数据，划分概率区间，计算模糊概率；

S4、将模糊值去模糊化转换为精确值，对精确概率进行归一化；

S5、利用BN的因果推理技术计算风险事件T的概率；

S6、通过BN的逻辑推理技术计算出每个风险因素的后验概率。

优选的，在S1中，从口岸货物堆场安全生产过程中的监控规范、相关文献对火源影响因素的分析、领域专家的经验知识、有效合理的火源故障树方面确定风险事件，使用工程领域积累的事件树整合先验知识，找到一个确定节点间相互依赖关系的有向无环图，并通过有向无环图将相互依赖关系直观清晰地表达出来，借助故障树或事件树的逻辑门来确定CPT，从而进行贝叶斯参数学习。

优选的，在S2中，提出一种基于能力和主观判断专家权重的FAHP方法，专家的客观能力取决于三个因素：职业地位、服务时间和文化程度，每个因素分为五个等级，分数分别为10、8、6、4、2。10分代表最可靠的判断，主观上，考虑到专家因专业领域的不同而对判断持有不同程度的信心，提出了专家的主观信度来衡量他们对判断的信心，专家主观信度分为五个等级，分别为10、8、6、4、2，分数由E表示。

优选的，在S3中，划分概率区间，在问卷调查过程中，收集专家对发生概率和主观信度的判断区间，引入非常高、高、略高、中等、略低、低和非常低七个语言变量，得分分别为7、6、5、4、3、2和1。

优选的，在S3中，发生概率表示为其中i是根节点的个数，j是根节点的判断状态，k是专家的数量，判断的第i个根节点在j状态下的专家主观可靠性表示为根据FAHP方法计算出每个专家的综合主客观权重

ω＝(ω1，ω2，···，ωl)

依据下式计算出根节点在j状态下的三角模糊概率。