基于贝叶斯学习的复杂系统研制风险演化分析

发布时间：2023-11-04 15:00

　　大型复杂装备的系统结构和研制流程呈现网络化特征,研究风险演化机理有助于控制风险、降低复杂性.通过系统动态过程建模仿真获取数据样本,运用贝叶斯学习从仿真数据样本中提炼风险演化网络,识别不同风险等级的节点之间存在的关联关系,降低了仅凭经验构建风险网络的主观性.对贝叶斯学习获得的风险网络进行概率推理,在总体高风险等级下计算风险网络节点的风险后验概率分布,进而确定风险演化关键节点和传播链路.最后,通过与复杂网络特征指标评估下的静态特征进行对比分析,研究风险网络动态特征与静态特征的差异性,结果表明网络结构特征和风险传播的动态特征共同决定了风险演化关键节点和传播链路.

【文章页数】：11 页

【文章目录】：
1 引言
2 基于设计结构矩阵的复杂系统研制流程建模
    2.1 任务执行关系
    2.2 返工概率与影响
    2.3 任务用时与费用
    2.4 仿真流程
3 风险演化的贝叶斯网络
    3.1 样本数据处理及风险等级划分
    3.2 网络结构学习
    3.3 辨识关键节点
4 算例及风险演化分析
    4.1 建模与仿真
    4.2 风险演化网络
    4.3 风险传播链路及关键节点
    4.4 与网络静态分析的对比
5 结论



本文编号：3860530