边坡稳定不确定性分析的贝叶斯方法

在边坡稳定分析中,存在着各种不确定性因素,传统的稳定性分析模型很难得到合理的预测结果.尝试应用贝叶斯理论对边坡工程模型的不确定性进行分析,并借用蒙特卡洛方法对随机样本进行模拟抽样,从而描述其不确定性.贝叶斯方法充分利用了各种信息,使得到的结果更加合理,贝叶斯方法是描述模型不确定性的一个有力工具.边坡算例分析结果表明贝叶斯方法能够很好地描述边坡稳定不确定性.     

应用高斯粒子滤波器的桥梁可靠性在线预测

为采用实时监测信息对桥梁结构构件的可靠性进行动态预测分析,应用健康监测系统的长期大量监测数据,建立了基于监测数据的动态模型(监测方程与状态方程),引入混合高斯粒子滤波器(MGPF),基于粒子滤波方法、贝叶斯方法以及动态模型,对监测信息状态变量的后验分布参数和监测值的一步向前预测分布参数进行预测分析.混合高斯粒子滤波方法通过重抽样技术,提高了动态模型的预测精度.基于实时监测信息可以不断修正抽样粒子的权重,进而解决粒子退化问题.最后基于实时预测的分布参数,结合一次二阶矩(FOSM)方法,对桥梁结构构件的可靠性进行在线动态预测分析.     

基于动态贝叶斯网络的客滚船航行风险预测

为识别客滚船航行风险因素,有效预测客滚船航行过程中的航行风险。首先通过历史数据库和相关船舶事故报告识别客滚船航行风险因素,基于识别到的航行风险因素构建故障树模型。然后通过构建的故障树模型确定静态贝叶斯网络结构,引入马尔可夫模型将静态贝叶斯网络结构转化为动态贝叶斯网络结构。最后利用构建的动态贝叶斯网络结构结合琼州海峡徐闻港-新海港客滚航线进行实例分析,计算后验概率预测客滚船航行风险,从而实现客滚船航行风险的预测。结果表明,琼州海峡客滚船航行风险6个时间片的后验概率分别为0.464 0、0.512 3、0.545 7、0.568 8、0.584 9、0.596 1。敏感性分析表明,管理因素对客滚船航行安全的影响程度最大。     

核安全级仪控软件可靠性评估模型构建

为了对核安全级仪控系统软件可靠性进行定量评估,研究依照贝叶斯网络建模步骤进行模型建设的方法。对国际上几种主要核安全级仪控系统标准体系进行对比分析,构建核安全级系统软件可靠性评估综合模型和子模型,使用贝叶斯公式对模型可靠性进行量化计算和评估,提出通过衡量模型各节点的敏感度验证模型建立的合理性。实现运用贝叶斯网络方法,通过对系统因素关系分析,结合专家定性判断,对复杂系统进行模型构建,同时提供对系统内不确定因素进行定性与定量相结合的预测和验证的方法。     

基于灰色理论的网络安全态势预测方法

为了有效地预测网络安全态势,在态势因子和灰色理论的基础上,提出了将灰色GM(1,1)和GM(1,N)模型相结合来预测网络安全态势的方法。首先筛选态势因子,再利用模型GM(1,1)对态势因子的变化进行预测,得到N个态势因子变化函数,最后利用这些函数和模型GM(1,N)对网络安全态势进行预测。将灰色GM(1,1)模型、神经网络模型和本文方法对网络安全态势进行预测,实验结果表明,本方法能够更准确地预测网络安全态势。     

基于健康监测数据和贝叶斯网络的结构失效概率评估

基于健康监测数据和贝叶斯网络(BN)，提出结构体系失效概率的实时评估方法，用于结构整体安全状态的动态评价.根据结构响应监测数据建立贝叶斯动态线性模型(BDLM)，估计结构荷载效应的概率分布，同时结合结构抗力分布，计算构件的时变可靠指标；根据结构主要失效模式构建贝叶斯网络，以描述构件失效与结构整体失效间的依赖关系；通过贝叶斯网络的概率递推从构件可靠指标求得结构体系失效概率，实现结构整体安全状态的量化评估.利用三杆桁架模型的数值模拟数据和某单层网壳结构静力破坏试验过程的实测数据对该方法进行验证.结果表明，所提出的结构失效概率评估方法较好地量化了结构的安全状态，并成功预警了结构体系的破坏.     

基于卡尔曼方法的历史建筑不均匀沉降预测

不均匀沉降会对历史建筑产生严重危害, 因此对历史建筑物不均匀沉降的预测十分必要。回归分析模型是经典的预测模型, 但它过于依赖旧数据, 无法处理实时监测数据, 在实际工程中存在诸多不便。通过建立卡尔曼滤波模型, 对上海某历史建筑在基础托换期间的沉降监测数据进行滤波和预测, 同时基于卡尔曼滤波数据进行多项式回归预测, 并和传统的多项式回归分析模型进行预测对比分析。结果表明: 卡尔曼滤波能够很好地预测历史建筑的不均匀沉降, 而且卡尔曼滤波可以剔除数据中的随机扰动, 提高预测精度。     

基于业务管理的监控策略

提出了一套灵活、有效的业务监视和预测方法 . 该方法利用时间相关性构造了业务模型 ,用离散傅里叶变换确定了合理的业务监测周期 ,并用贝叶斯公式对业务的异常行为进行预测 . 利用 一组网络实测数据证明了该方法的有效性 .     

基于不确定贝叶斯分类技术的滑坡危险性评价

由于引起滑坡的诱发因素(降雨)值无法准确获取,应用概率统计思想,刻画雨量值;依据延安黄土滑坡成灾机理研究,确定坡高、坡度、坡向、坡型、岩土体结构和植被覆盖为滑坡成灾基本因素;提出了不确定贝叶斯分类挖掘技术构建区域滑坡危险性评价模型方法,达到提高区域滑坡危险性预测精度的目的.以延安市宝塔区为例,验证了运用该方法进行区域滑坡危险评价的可行性.结果表明:采用不确定贝叶斯分类模型对研究区进行危险性划分,评价结果和实际滑坡发育情况吻合,合理地反映区内滑坡灾害发育的总体特征;不确定贝叶斯分类方法的零阶矩曲线下面积值比朴素贝叶斯方法有所提高,证明该方法科学合理.     

基于正态分布原理的贝叶斯水质综合评价

将正态分布原理与贝叶斯方法相结合来进行黄壁庄水库水质综合评价,并给出了改进的贝叶斯(Bayes)方法的思路和计算方法。以GB3838-2002为评价标准,采用改进的贝叶斯方法建立贝叶斯水质评价模型,对黄壁庄水库坝上水质监测数据8项指标进行水质评价研究。评价结果表明:改进的贝叶斯综合水质评价模型适用于黄壁庄水库的水质评价,且黄壁庄水库综合水质处于Ⅰ—Ⅱ类,年内水质变化不大,丰水期水质相对较差,为Ⅱ级水质,其余月份均达到Ⅰ类水质标准。     

基于贝叶斯方法的软土深基坑不确定性位移反演分析

在深基坑开挖工程中,使用合理的土体力学参数计算地连墙侧移对优化基坑支护方案以及降低工程风险至关重要。然而,受地层分布不均、土工试验误差等因素的影响,土体参数常表现出明显的不确定性,该不确定性降低了地连墙侧移计算结果的可信度。鉴于上述问题,提出一种基于贝叶斯参数更新框架和现场监测数据的软土深基坑土体参数反演方法。该方法采用GA-BP神经网络建立数值分析模型中土体参数与地连墙侧移的隐式函数关系,并结合现场监测数据建立土体参数的贝叶斯反分析模型。采用该方法对某深基坑工程进行分析,验证了方法的可行性。分别采用地连墙的最大侧移值和多点位移值作为指标进行土体力学参数反演,并分别使用更新后的土体参数预测基坑开挖的最终侧移值。研究结果表明：与不更新土体参数相比,更新土体参数后土体参数变异系数变小,得到的结果与后续施工步下的监测结果更吻合;使用多点观测值进行土体参数更新的预测效果显著优于仅使用最大位移值时的效果。     

Network security threat assessment based on the signaling game

Nowadays, researches on network security defense based on game theory mostly use completed information or static game theory to establish the attack-defense model. In order to perform security threat assessment in a closer way to the practical situation in a network, this paper proposes a network attack-defense game model based on the signaling game, which is modeled in a dynamic and uncompleted way. After putting forward the solving process of the perfect Bayesian equilibrium of the signaling game, this paper analyzes all kinds of equilibriums existing in the game. Taking the posterior belief as the defender's prediction of the attacker's type, this paper puts forward the assessment algorithm for the network security threat based on the model above, predicts the security threat the defender is facing, and provides the security threat grade for the evaluator. Finally, the feasibility and validity of the model and the method proposed by this paper are testified through the analysis of a network example.     

基于动态贝叶斯网络气化炉供料系统风险分析

针对当前大型气化装置在动态风险分析方面的不足,提出一种基于动态贝叶斯网络的气化炉供料系统风险分析方法。利用气化炉供料系统各单元失效形式的相关资料,建立故障树模型,并将故障树模型转化为贝叶斯网络模型,利用K⁃2算法优化贝叶斯网络模型,结合β因子法处理共因失效对系统的影响。考虑维修因素对系统各时刻失效率的影响,同时采用GeNIe软件和Monte Carlo方法进行计算,验证所提方法的准确性和可行性。结果表明,动态贝叶斯网络在气化炉供料系统风险分析中,具有动态风险分析准确和能够识别系统薄弱环节的优点,并且依照分析结果可以得到合理的可靠性分配策略。     

基于动态贝叶斯网络的WSNs链路质量预测

无线传感器网络中,链路质量预测为数据可靠传输和上层网络协议性能的提高提供支撑。为进一步提高链路质量预测的准确性,提出基于动态贝叶斯网络（dynamic Bayesian networks,DBN）的链路质量预测机制。为避免单一评价指标的片面性,从链路信号质量、链路稳定性及非对称性3方面综合评价链路质量;采用K-means聚类算法对参数进行离散化预处理,得到各参数的离散区间;采用熵值法确定各参数的权重,以消除参数权重计算中主观因素的干扰;为避免最大隶属原则的缺陷,采用非对称贴近度分析法构建综合性的链路质量等级指标;借助贝叶斯网络（Bayesian networks,BN）处理不确定性问题的优势和BN分类器在分类上的良好性能,确定DBN的初始网络和转移网络,采用EM算法进行DBN模型的参数学习,从而构建了基于DBN的链路质量预测模型。实验结果表明了采用非对称贴近度分析法划分链路质量等级的合理性与DBN链路质量预测模型的合理性;与4C及FLI预测模型相比,本文模型具有更高的预测准确度。采用链路信号质量、链路稳定性及非对称性3个指标评价链路质量,采用DBN构建预测模型,可得到更准确及鲁棒性更好的链路质量预测结果。     

基于上下文生成对抗网络的时间序列异常检测方法

时间序列的异常检测是网络服务保障、数据安全检测、系统监控分析等应用中所依赖的一项关键技术。为解决在实际场景的时间序列异常检测中由于时间序列上下文的模糊性、数据分布的复杂性以及异常检测模型的不确定性所带来的异常检测结果的有效性、合理性、稳定性等不足的问题,本文提出了一种新的基于上下文生成对抗网络的时间序列异常检测方法AdcGAN。首先,通过处理历史数据,提取用于生成时序数据的条件上下文;然后,采用条件生成对抗网络的设计策略,使用条件上下文,构建上下文生成对抗网络,实现对任意时刻数据的条件分布预测,同时AdcGAN采用Dropout近似模型不确定性,使用概率分布代替点估计作为预测结果;接着,从观测的差异(用期望偏差表示)和模型的不确定性(用预测方差表示)两个方面来衡量异常;最后,提出基于数据统计信息的异常阈值自动设置方法,减少手动调节的参数量。实验结果表明,与同类基准算法进行对比,在NAB数据集中的47个真实时序数据上,本文提出的AdcGAN可以有效地检测出时序数据中的异常,在大多数评价指标上都优于其他基准方法,并且具有更好的稳定性。     

基于大数据的网络安全与情报分析

随着IT技术和通信技术的发展,网络环境日趋复杂,云计算和虚拟化等技术的应用,使得主机边界、网络边界也变得动态和模糊。同时,网络攻击频繁,隐蔽性、持续性、趋利性等高级网络威胁增多。而传统网络安全与情报分析技术受数据来源单一、处理能力有限、部署依赖于物理环境等因素的限制,导致对威胁情报的获取、分析、利用能力不足,且对网络安全态势的感知与预测能力有限,不能有效解决当前和未来所面临的网络安全挑战。作者以大数据技术给网络安全与情报分析研究带来的挑战与机遇为线索,回顾大数据的内涵,分析当前网络安全与情报分析面临的困境,梳理大数据和网络安全与情报分析的关系,阐述大数据技术对传统安全分析方法的改变。大数据技术在安全领域应用形成大数据安全分析这一新型安全应对方法,通过紧扣安全数据自身的特点和安全分析的目标,应用大数据分析的方法和技术,解决网络安全与情报分析中的实际问题。一方面,批量数据处理技术、流式数据处理技术、交互式数据查询技术等大数据处理技术解决了高性能网络流量的实时还原与分析、海量历史日志数据分析与快速检索、海量文本数据的实时处理与检索等网络安全与情报分析中的数据处理问题;另一方面,大数据技术应用到安全可视分析、安全事件关联、用户行为分析中,形成大数据交互式可视分析、多源事件关联分析、用户实体行为分析、网络行为分析等一系列大数据安全分析研究分支,以应对当前的网络安全挑战。大数据安全分析技术在APT攻击检测、网络异常检测、网络安全态势感知、网络威胁情报分析等方面已经得到应用,但是,当前的网络安全形势仍不容乐观：高级网络威胁与攻击的有效检测方法缺乏;未知复杂网络攻击与威胁预测能力不足;缺乏度量网络安全态势评估结果的评价体系,关键资产与网络整体的态势评估指标体系不完善,网络安全态势感知评估方法缺少针对性;网络威胁情报信息分析的新型数据源数据获取难度大,缺乏威胁情报共享标准,尚未建成规模化、一体化的现代威胁情报中心和开放的威胁情报综合服务平台。围绕这些问题,需要研究高级网络威胁发现方法、复杂网络攻击预测方法、大规模网络安全态势感知技术、威胁情报数据采集与共享技术,并在高级网络威胁早期检测、隐蔽性和持续性网络通信行为检测、基于大数据分析的网络特征提取技术、综合威胁情报的高级网络威胁预测、非公开网络情报采集等关键技术上实现突破,以提升大数据对网络信息安全的支撑能力,增强网络信息安全风险感知、预警和处置能力。     

基于案例和规则推理的贝叶斯网建模

正确、高效地针对问题建立模型是应用贝叶斯网的关键,而从数据中学习贝叶斯网往往因为搜索空间庞大而效率低下.提出基于案例和规则推理的建模方法,建立领域知识库,使用框架和一阶概率逻辑表示贝叶斯网,当面对新的问题时,使用相似度和偏离度两个指标进行案例匹配,对选中的案例使用组合和剪枝技术修正,得到新问题的求解模型.整个过程以案例推理为主,并用规则推理辅助.这种方法能够复用历史案例,提高贝叶斯网建模效率.     

基于数据挖掘技术的铸造产品质量预测研究

针对铸造厂的实际生产情况,应用数据挖掘中的决策树方法,通过对大量历史数据的分析,形成了一定的质量预测规则,并以此为基础,利用神经网络的方法,建立了生产过程质量预测模型,实现铸造产品生产质量预测系统。     

基于贝叶斯网络的高速列车碰撞风险评价

碰撞事故已成为影响高速列车运营安全的重要因素,采用科学方法对安全风险进行有效的预测与评估具有重要意义.从组织、人因错误的角度出发,利用贝叶斯网络构建了碰撞事故的致因关系.参考专家知识,基于风险发生概率语言变量量化基本事件的条件概率,构建条件概率表,利用GeNIe软件进行了概率推理和风险因素灵敏度分析,定量评估了列车碰撞的风险,找出了影响最突出的风险因素.通过案例研究表明,贝叶斯网络对于高速列车运营安全风险预测是可行的,计算得到的风险概率不仅指出了重要的影响因素,也反映了高速列车系统目前的安全状况.