[發明專利]基于貝葉斯定理和事件樹的系統概率風險動態評估方法

在審

• 申請號: 202110826155.0
• 申請日: 2021-07-21
• 公開（公告）號: CN113656804A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 王瑤;楊明順;胡小敏;蔡袁峰;高新勤;李淑娟
• 申請（專利權）人: 西安理工大學
• 主分類號: G06F21/57
• 分類號: G06F21/57;G06F17/18;G06K9/62
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 馬貴香

1.基于貝葉斯定理和事件樹的系統概率風險動態評估方法，其特征在于，包括：

S1，為事件樹的初始事件和基本事件設置先驗概率分布的參數；

S2，在結果事件的統計數據基礎上，計算各基本事件在各時間段的發生次數和不發生次數；

S3，基于S2，計算各基本事件在各時間段的累計發生次數和累計不發生次數；

S4，基于S1中基本事件的先驗概率分布的參數及S3中各基本事件在各時間段的累計發生次數和累計不發生次數，并根據貝葉斯定理，對各基本事件在各時間段的發生概率實施更新；

S5，在結果事件的統計數據基礎上，計算初始事件在各時間段的發生次數，并根據初始事件在各時間段的發生次數計算初始事件在各時間段的累計發生次數；

S6，基于S1中初始事件的先驗概率分布的參數及S5中初始事件在各時間段的累計發生次數，并根據貝葉斯定理，對初始事件在各時間段的故障率實施更新；

S7，基于S4中各基本事件在各時間段的發生概率及S6中初始事件在各時間段的故障率，計算系統概率風險。

2.根據權利要求1所述的基于貝葉斯定理和事件樹的系統概率風險動態評估方法，其特征在于，S1中，對于初始事件，所述參數為α和β，參數α和β為描述Gamma分布的概率密度函數的兩個參數，以Gamma分布描述初始事件的故障率λ：λ～Gamma(α,β)；

對于基本事件，所述參數為a和b，參數a和b為描述Beta分布的概率密度函數的兩個參數，以Beta分布描述基本事件的故障概率p：p～Beta(a,b)。

3.根據權利要求2所述的基于貝葉斯定理和事件樹的系統概率風險動態評估方法，其特征在于，設置參數α和β的方法為：依據傳統事件樹中基本事件的故障概率計算式p＝1-e^-λt計算故障率λ，其中，傳統事件樹中基本事件的故障概率p為已知值，t為分析人員關心的系統持續運行時間；在滿足α/β值與λ值相等或接近的條件下，根據先驗知識確定的初始事件發生可能性的不確定性程度設置α和β值，通過繪制α和β值下的Gamma分布的概率密度函數曲線，檢驗該α和β值下的故障率λ的不確定性程度是否與先驗知識確定的初始事件發生可能性的不確定性程度一致，如果不一致，調大或者調小α和β值，直至一致。

4.根據權利要求2所述的基于貝葉斯定理和事件樹的系統概率風險動態評估方法，其特征在于，設置參數a和b的方法：在滿足a/(a+b)值與傳統事件樹中基本事件的p值相等或接近的條件下，根據先驗知識確定的基本事件發生可能性的不確定性程度設置a和b值，通過繪制設置好的a和b值下的Beta分布的概率密度函數曲線，檢驗該a和b值下的故障概率的不確定性程度是否與先驗知識確定的基本事件發生可能性的不確定性程度一致，如果不一致，調大或者調小a和b值，直至一致。

5.根據權利要求2或4所述的基于貝葉斯定理和事件樹的系統概率風險動態評估方法，其特征在于，S4所述更新方法為：計算基本事件x的發生概率在第j個時間段服從的后驗概率分布Beta分布的兩個參數，一個參數等于a+N_a，另一個參數等于b+N_b，N_a為基本事件x在第j個時間段累計發生次數，N_b為基本事件x在第j個時間段累計不發生次數；計算后驗概率的期望值(a+N_a)/(a+N_a+b+N_b)，以該期望值作為基本事件x發生概率在第j個時間段的更新值，j＝1,2…N，N為統計時間。

6.根據權利要求2或3所述的基于貝葉斯定理和事件樹的系統概率風險動態評估方法，其特征在于，S6中，所述更新方法為：計算初始事件故障率在第j個時間段服從的后驗概率Gamma分布的兩個參數，一個參數等于α+N_α，另一個參數等于β+j，N_α為初始事件在第j個時間段累計發生次數；其次，計算后驗概率在第j個時間段的期望值λ_j＝(α+N_α)/(β+j)，以該期望值作為初始事件故障率在第j個時間段的更新值，j＝1,2…N，N為統計時間。