基于贝叶斯网络的大坝（群）风险决策优化

《基于贝叶斯网络的大坝（群）风险决策优化》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、河海大学硕士学位论文基于贝叶斯网络的大坝（群）风险决策优化姓名：许智勇申请学位级别：硕士专业：机械设计及理论指导教师：周建方20080401摘要我国是一个坝工大国，面对风险时大坝的决策不仅是一个技术问题，而且是一个涉及到政治、经济、社会、工程技术、自然环境的综合问题，因此如何进行优化大坝风险决策是一个关系到国计民生的重大问题。由于贝叶斯网络在处理系统风险分析具有较大的优越性，所以本文重点研究了贝叶斯网络在大坝(群)安全风险分析中的应用。本文在武汉大学水资源与水电科学重点实验室开放基金项目“基于贝叶斯网络

2、的大坝群安全的风险决策研究”的支持下，充分利用贝叶斯网络的优点，针对大坝风险决策中的若干问题，将目前有关贝叶斯网络方面的相关理论研究应用到具体的实际问题中，建立了一套基于贝叶斯网络的大坝(群)风险分析模型，课题的研究成果为相关的水利工作人员在进行大坝(群)优化风险决策时提供了理论依据，节省了计算量。论文主要完成的工作包括：1)对贝叶斯网络的数学基础、基本概念、建模方法以及其分析软件HUGIN做了全面的介绍。2)分析了当前系统分析方法(事件树、故障树和决策树)的基本思想及其与贝叶斯网络方法之间的转换关系，

3、并结合几个典型算例对其做了详细介绍。3)概括了当前溃坝损失估计的计算方法，并将其应用到本文的风险计算中。4)基于贝叶斯网络的基本思想，结合软件HUGIN对大坝(群)的实际工况做了物理建模和数学建模，先针对当来水量为离散型随机变量时。对单个大坝的状态和损失进行数学模拟，将其贝叶斯网络模型导入到HUGIN中计算出最优决策，和最小期望风险值，并对各变量的随机性进行了灵敏度分析。5)将问题进一步深化，将来水量模拟为随机正态变量，利用数值模拟的方法对其进行进一步分析，并在此基础上，分析了关键变量的随机性对优化决策

4、的影响。6)对大坝群的系统安全分析做了初步研究，分析了当两个大坝为串连模型时，大坝群间的相互影响，计算出使该串连系统期望风险值为最小时的最优决策，并根据HUGIN的计算结果，得出了几个有实际价值的结论。关键词：贝叶斯网络、事件树、故障树、决策树、双向推理、期望风险、最优决策组合AbstraetAsabigcountrywithlargenumberofdams，Chinashouldthiilkmuchofthedecisionsaboutdamsinfaceofrisk,becauseitisnoto

5、nlyatechnicalproblem,itisalsoasyntheticalprobleminvolvingpolitics，economic，society,environmentandSOOn．SinceBayesianNetworkshavemuchadvantagesinsystemriskanalysis，thisarticlemainlystudiestheBayesianNetworksapplicationindams’riskanalysis．SustainedbytheOlC，

6、e】IIfundofnationalemphaseslaboratorythatbelongstOWuhanuniversityHydraulic＆Hydropowerdeparmaent,"DamsriskdecisionresearchbasedOilBayesianNetworks’：usingtheadvantagesofBayesianNetwork,inviewofsomeproblemsindamsriskdecisions，thisarticleinlxoduceBayesianNetw

7、ork’spresentresearchtheoryintothepracticalc．,aSCS，andhassetupakindofdamsriskanalysismodel,theresultshaveprovidedtheacademictheorytotheHydraulicworkers．themainlycompletedresultsinthisarticlea北越following：Therealesixpartsinthisarticle；thefirstparthasintrodu

8、cedtheBayesianNetworksmathematicsfounding，basicconcept,modelingmethodandthesoftofHUGIN．ThesecondparthasinlxodueedthebasicknowledgeofEventTree，FaultyTree，DecisionTree，andthemethodsofIransformingET,FT,DTintoBayesianNetworks．