首页|小样本条件下地铁运营事故致因推理模型

小样本条件下地铁运营事故致因推理模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为克服传统事故致因推理模型不适用于小样本条件下的地铁运营事故致因推理的缺陷,将贝叶斯网络(BN)与Bootstrap抽样法、D-S证据理论相结合,建立地铁运营事故致因推理模型.首先,分析历年地铁运营事故样本,确定事故致因因素及网络节点;其次,基于BN的基本算法和理论,运用Bootstrap抽样法和K2算法进行BN结构学习;然后,使用D-S证据理论修正BN参数,建立适用于小样本条件下的地铁运营事故致因BN模型;最后,进行因果推理、诊断推理和敏感性分析.结果表明:所构建的地铁运营事故致因推理模型可有效进行事故推理预测,节点预测精度均值为0.858;通过因果推理得出最常见的地铁运营事故类型为运营中断,其次是火灾和列车冲突;结合诊断推理发现供电系统故障是导致运营中断的最主要事故致因.
Research on model of subway operation acccident's cause under small sample condition

吴海涛、刘月、杜彗敏

展开 >

西南交通大学交通运输与物流学院,四川成都611756

综合交通运输智能化国家地方联合工程实验室,四川成都611756

综合交通大数据应用技术国家工程实验室,四川成都611756

小样本 地铁运营事故 致因推理模型 贝叶斯网络(BN) Bootstrap抽样 D-S证据理论

国家自然科学基金四川省科技厅软科学项目成都市科技局软科学项目

516053982020JDR01422020-RK00-00080-ZF

2023

10.16265/j.cnki.issn1003-3033.2023.03.1134

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2023.33(3)
  • 4
  • 6