[发明专利]一种核电厂建设项目风险预测方法、系统、设备及介质在审

专利信息
申请号: 202211471254.2 申请日: 2022-11-23
公开(公告)号: CN115759428A 公开(公告)日: 2023-03-07
发明(设计)人: 隋阳;于涛;许谨涛;戴滔;郑梦琰;桂毛磊;李枭瀚;朱佳浩;丁睿 申请(专利权)人: 南华大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q10/0635;G06Q10/0639;G06Q50/06;G06N7/01
代理公司: 北京高沃律师事务所 11569 代理人: 贾瑞华
地址: 421001 湖*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 核电厂 建设 项目风险 预测 方法 系统 设备 介质
【权利要求书】:

1.一种核电厂建设项目风险预测方法,其特征在于,包括:

获取待预测核电厂建设项目风险指标;

根据所述待预测核电厂建设项目风险指标,利用IT2FSs-CM标准云隶属度函数,确定所述待预测核电厂建设项目风险指标的评价值;

根据所述评价值,利用IT2FSs-CM指标云隶属度函数,确定所述评价值的隶属度值;

根据所述评价值的隶属度值,计算所述待预测核电厂建设项目风险指标的先验概率;

根据所述先验概率,利用贝叶斯网络模型,确定所述待预测核电厂建设项目风险指标的发生概率,若所述发生概率大于设定阈值时,进行风险防控。

2.根据权利要求1所述的核电厂建设项目风险预测方法,其特征在于,所述IT2FSs-CM标准云隶属度函数的建立方法,具体包括:

获取核电厂建设项目风险指标的标准云,并计算标准云的数字特征;所述标准云包括Ⅰ级、II级、III级、IV级和V级;所述数字特征包括标准云的期望、熵和超熵;

根据所述标准云的数字特征,建立IT2FSs-CM标准云隶属度函数。

3.根据权利要求2所述的核电厂建设项目风险预测方法,其特征在于,所述IT2FSs-CM指标云隶属度函数的建立方法,具体包括:

根据所述IT2FSs-CM标准云隶属度函数和所述核电厂建设项目风险指标,确定所述核电厂建设项目风险指标的评价值;

根据所述核电厂建设项目风险指标的评价值,建立所述核电厂建设项目风险指标的区间二型模糊判断矩阵;

根据所述区间二型模糊判断矩阵,确定指标云的数字特征;

根据所述指标云的数字特征,利用云模型和区间二型模糊集,建立IT2FSs-CM指标云隶属度函数。

4.根据权利要求1所述的核电厂建设项目风险预测方法,其特征在于,所述待预测核电厂建设项目风险指标包括一级指标和为二级指标;

所述一级指标包括职业健康、安全防护、材料、机械与设备、组织管理;

所述二级指标包括身体健康状况、心理健康状况、职业风险、安全防护设施、个人防护用品、安全标识、材料、机械和设备质量、机械和设备装卸、机械和设备维护保养、职业健康安全管理体系的建立、职业健康安全危害辨识、风险评价和控制、教育培训以及应急处置救援。

5.根据权利要求4所述的核电厂建设项目风险预测方法,其特征在于,将所述一级指标定义为所述贝叶斯网络模型的中间节点,将所述二级指标定义为所述贝叶斯网络模型的根节点。

6.根据权利要求1所述的核电厂建设项目风险预测方法,其特征在于,所述贝叶斯网络模型的发生概率计算函数为P(xi)为所述待预测核电厂建设项目风险指标的先验概率;xi为待预测核电厂建设项目风险指标;P(Txi)为条件概率;P(T)为核电厂建设项目总体风险的发生概率;T为核电厂建设项目总体风险。

7.一种核电厂建设项目风险预测系统,其特征在于,包括:

指标获取模块,用于获取待预测核电厂建设项目风险指标;

评价值确定模块,用于根据所述待预测核电厂建设项目风险指标,利用IT2FSs-CM标准云隶属度函数,确定所述待预测核电厂建设项目风险指标的评价值;

隶属度值确定模块,用于根据所述评价值,利用IT2FSs-CM指标云隶属度函数,确定所述评价值的隶属度值;

先验概率确定模块,用于根据所述评价值的隶属度值,计算所述待预测核电厂建设项目风险指标的先验概率;

风险预测模块,用于根据所述先验概率,利用贝叶斯网络模型,确定所述待预测核电厂建设项目风险指标的发生概率,若所述发生概率大于设定阈值时,进行风险防控。

8.一种电子设备,其特征在于,包括:存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1-6任一项所述的核电厂建设项目风险预测方法。

9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一项所述的核电厂建设项目风险预测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南华大学,未经南华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211471254.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top