×
张磊磊;张利茂;徐晓坚

基于copula和信念规则库的面向关联的复杂系统结构风险评估。 （英语） Zbl 07755032号

信息科学。 564, 220-236 (2021).
摘要：结构风险评估对于维护许多复杂系统的安全运行非常重要。然而，仍有两个主要要求需要解决，即多个因素之间的相关性和高可解释性，以产生可信的结果。对于相关性的第一个挑战，应用Copula模型定量测量从多个来源收集的数据之间的相关性。对于可解释性的第二个挑战，应用了信念规则库（BRB）模型，因为它本质上是一种白盒方法，可以通过透明的推理和决策过程提供良好的可解释性。在此基础上，将Copula模型与BRB相结合，提出了一种新的方法，即Copula-BRB。此外，还分别设计了两个框架。第一种是当专家的知识可用但数据有限时的知识驱动推理框架。第二种是当存在大量数据时的数据驱动优化框架。相应地，研究了一个只有有限数据的数值案例和另一个有1000组数据的实际案例，分别解释和验证了Copula BRB方法的两个框架。数值案例主要用于解释知识驱动的Copula-BRB推理框架，实际案例以比较的方式进行，其中使用了三个Copula函数，即Clayton、Frank和Gumbel，并将结果与支持向量机（SVM）进行了比较和常规BRB（不考虑属性相关性）。两个案例研究的结果表明，通过使用将属性相关性纳入传统BRB的Copula BRB，与SVM和BRB相比，获得了优越的性能。还详细探讨了如何在区间输出方面实现这种卓越性能。

MSC公司：

62至XX 统计

关键词：

连接线;信念规则库;结构风险评估;相关性;可解释性

软件：

马德里
PDF格式BibTeX公司 XML格式引用
\textit{L.Chang}等人，《信息科学》。564220--236（2021；Zbl 07755032）
全文： 内政部

参考文献：

[1] 夸格，S。；古普塔，A。；Dinh，N.，使用贝叶斯网络的基于概率风险评估的模型验证方法，Reliab。工程系统。安全。，169, 380-393 (2018)
[2] 米罗斯拉夫，S。；贾纳，M。；Dimitris，D.，贝叶斯网络在现有能源生产装置风险评估中的应用，Reliab。工程系统。安全。，169, 312-320 (2017)
[3] Martin，J.，《结构健康监测：一个敏感问题》，《自然光子》。，2153-154页（2008年）
[4] Entezami，A。；Shariatmadar，H.，通过一种新的特征提取混合算法和多元距离相关方法对环境激励和非平稳振动信号下的损伤定位，Struct。健康监测。，18, 347-375 (2019)
[5] Rajic，N。；Galea，S.，《热弹性应力分析和结构健康监测：新兴的联系》，《结构》。健康监测。，14, 57-72 (2014)
[6] Groen，E.A。；Heijungs，R.，忽略生命周期评估中不确定性和敏感性分析的相关性：风险是什么？，环境。影响评估。版次：62，98-109（2017）
[7] Li，G.L。；周振杰。；Hu，C.H.，考虑相关性和冗余的复杂系统的最优安全评估模型，Int.J.近似推理，104，38-56（2019）
[8] 张立明。；吴晓刚。；Chen，Q.Q.，开发一种基于云模型的风险评估方法，用于隧道对现有管道造成的损坏，Stoch。环境。Res.风险评估。，29, 513-526 (2015)
[9] Leng，J.W.，Yan，D.X.，Liu，Q.等人，2019。ManuChain：将许可区块链与整体优化模型结合，作为智能制造的双层智能，IEEE系统、人和控制论事务：系统，50，182-192。
[10] Strack，R.，《综合相关性分析》，《自然方法》，第16、25页（2019年）
[11] 潘，Y。；张，L.，《人工智能在建筑工程和管理中的作用：评论和未来趋势》，Autom。施工图。，122, 103517 (2021)
[12] 塞切尔，S。；费拉里奥，D。；Mega，F.，安全相关铝汽车部件的数值和实验结构阻力之间的相关性，《金属》，9，949（2019）
[13] Yang，J.B。；Singh，M.G.，《不确定性多属性决策的证据推理方法》，IEEE Trans。系统。人类网络。A系统。Hum.，24，1-18（1994）
[14] 张立明。；吴晓刚。；Qin，Y.W.，基于模糊贝叶斯网络的隧道诱导管道损坏安全风险分析方法，风险分析。，36, 278-301 (2016)
[15] 潘，Y。；欧，S。；Zhang，L.，《依赖系统中的风险建模：copula-bayesian方法》，Reliab。工程系统。安全。，188, 416-431 (2019)
[16] Entezami，A。；Shariatmadar，H。；Karamodin，A.，《利用新型统计模式识别方法进行环境和操作变化下的数据驱动损伤诊断》，Struct。健康监测。，18, 1416-1443 (2018)
[17] 谢勒，M。；Mai，J.-F.，《模拟Copulas:随机模型、抽样算法和应用》（2017），《世界科学：世界科学新加坡》·Zbl 1367.65002号
[18] 安德森，L。；Sidenius，J.，《高斯copula的扩展：随机恢复和随机因子加载》，《信贷风险杂志》，第129-70页（2004年）
[19] Nelsen，B.，《Copulas简介》（2006），Springer:Springer纽约·Zbl 1152.62030
[20] Yang，J.B。；刘杰。；Jin，W.，使用证据推理方法的信念规则推理方法——RIMER，IEEE Trans。系统。人类网络。A系统。哼哼，36226-285（2006）
[21] Yang，L.H。；Wang，Y.M。；Chang，L.L.，基于析取信念规则的桥梁风险评估专家系统，动态参数优化模型，计算。工业工程，113，459-474（2017）
[22] Chang，L.L。；周，Y。；蒋，J.，信念规则库专家系统的结构学习：比较研究，Knowl-基于系统。，39, 159-172 (2013)
[23] 陈永伟。；潘，C.C。；Xu，D.L.，不确定非线性系统的识别：构建基于信念规则的模型，Knowl-基于系统。，73, 124-133 (2015)
[24] Oh，D.H.，《高维Copulas：模型、估计、推断和应用》，杜克大学，2014年。
[25] 奥尔特曼，N。；Krzywinski，M.，《重要点：关联、相关性和因果关系》，《自然方法》，第12期，第899-900页（2015年）
[26] 高建新。；巴泽尔，B。；Barabási，A.L.，《复杂网络中的普遍弹性模式》，《自然》，530307-312（2016）
[27] 刘振国。；潘，Q。；Dezert，J.，分类器与上下文可靠性评估的融合，IEEE Trans。赛博。，48, 1-14 (2017)
[28] 刘，Z。；张，X。；Niu，J.，基于信念函数的具有不同辨别框架的分类器的组合，IEEE Trans。模糊系统。(2020)
[29] 侯赛因，M.S。；拉哈曼，S。；Kor，A.L.，基于置信规则的不确定性数据中心预测专家系统，IEEE Trans。维持。计算。，2, 140-153 (2017)
[30] Wang，Y.M。；Yang，J.B。；Xu，D.L.，《使用证据推理方法进行环境影响评估》，欧洲期刊Oper。Res.，1741885-1913（2006）·Zbl 1103.90364号
[31] Chang，L.L。；姜杰。；Sun，J.B.，针对异质、不足和缺失信息的威胁级别评估的析取信念规则库传播，《信息科学》。，476, 106-131 (2019)
[32] Sklar，M.，1959年。巴黎大学统计研究所出版物，第8229-231页·Zbl 0100.14202号
[33] 吉贝尔，I。；Omelka，M。；Veraverbeke，N.，条件连接函数中无协变量效应的非参数检验，统计学，51，475-509（2017）·Zbl 1369.62112号
[34] Sundaresan、Ashok、Varshney等人，2011年。基于Copula的相关决策融合，IEEE航空航天和电子系统汇刊，47，454-471。
[35] Reilly，C.T.，《决策和风险分析的相关性和连接函数》，《管理》。科学。，45, 208-224 (1999) ·Zbl 1231.91166号
[36] Li，D.Q。；Tang，X.S。；Zhou，C.B.，使用高斯copula进行相关非正态岩土参数的不确定性分析，科学。中国技术有限公司。科学。，55, 3081-3089 (2012)
[37] Zhang，Y。；Kim，C.W。；Tee，K.F.，基于Copula理论的退化桥梁结构长期健康监测，Smart Struct。Ststets，21，171-185（2018）
[38] Chang，L.L。；周振杰。；Chen，Y.W.，非线性复杂系统建模的析取假设下的信念规则库结构和参数联合优化，IEEE Trans。系统。人类网络。系统。，48, 1542-1554 (2017)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。