小样本条件下地铁运营事故致因推理模型

摘要：

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.

关键词：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

所属期刊栏目：33

分类号：X928.9(安全管理（劳动保护管理）)

资助基金：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

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：134-140