- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于模糊贝叶斯网络模型的化工动态风险评估和预测方法,该检测方法通过采集数据集,构建事故树和事件树模型,再将二者集成在一起构成BT领结图模型;根据领结图展示出的工艺流程结合模糊数据集理论和专家经验得到工艺流程中各系统失效概率,将之作为设备故障的先验概率,再将领结图模型映射到贝叶斯网络上进行数据更新,得到各系统失效的最终后验概率,使用BP‑PSO神经网络对各系统后验概率进行预测,得到随时间变化的概率曲线从而实现动态风险评估。本发明能够适用于化工历史数据不完全和过度依赖专家经验的情景,
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118095857A
(43)申请公布日2024.05.28
(21)申请号202410325415.XG06N3/043(2023.01)
文档评论(0)