有关基于D-S证据推理的工程安全管理信息融合毕业论文写作资料-论文写作网

简介:关于本文可作为相关专业信息融合论文写作研究的大学硕士与本科毕业论文信息融合论文开题报告范文和职称论文参考文献资料。

信息融合论文范文

摘要：安全在工程管理领域占有举足轻重的地位,直接影响工程企业的生存和发展.科学合理的安全评估便于及时发现工程管理领域存在的安全问题,预防事故诱发因素的萌生,而评估系统数据采集过程的不确定性决定着某些指标需收集专家信息.本文在研究D-S证据推理的基础上,论证专家安全信息的管理和融合,以提高评估质量和水平.

关键字：D-S证据推理,工程安全,信息管理,融合

工程安全管理历史经验表明：安全信息的收集、处理、流动与服务是系统良性循环的重要保证.全面采集系统安全信息是基础,分析、处理信息是关键.任何工程管理安全评估体系都需要准确的数据信息,而事实上,在信息采集过程中,专家信息具有主观性强和不确定性两个基本特点,因此提取专家信息后将多个专家信息进行融合是必要的[1].专家信息之所以具体上述特点主要因为：(一)专家信息采集过程中受到信息自身特点和专家个人能力的限制,所采集信息表达式多为离散值；(二)多位专家采集信息时,因为各专家能力、个人特点专长的差异,导致所采集信息具有不确定性.我们用图1表示.D-S证据推理是基于不确定性,依据证据理论的推理方法,信息融合法则是本理论的核心内容,即Dempster-Shafer法则[2].信息融合法则不仅能处理专家信息的不确定性,还能应对比概率论更弱的公理系统.如果已知概率,那么证据理论转变为概率论.因此,应用D-S证据推理和信息融合法则符合专家数据信息融合的特点.

一、信息融合法则基本原理

1.辨别框

我们把认知到的所有可能的结果称之为辨别框用Θ表示,辨别框内的各元素互相不相容.当元素数量为n时,则所描述的辨别框空间大小为2n.

2.基本概率分配函数

基本概率分配函数数值为[0,1]之间的正数,它与某条专家信息相关联,其数值大小决定着该信息准确度,用m(A)表示,Θ的任一子集用A代表.当信息A处于拒绝区间时,通常表示为m(Ac),1-m(A)为mA(Θ),其含义为此信息不具备分配给各元素的作用.重要的是,对于Θ:{A,B,C},m(A)+m(B)+m(C)<,1,跟概率函数P中对于集合Θ中的元素不同,要求P(A)+P(B)+P(C)等于1.另外,对于整个Θ的基本概率分配函数m(Θ)表示未知如何将概率值分配给Θ的子集,即表示认知不充分以至于不能做出进一步决策.

3.信任函数(Belief Function)

信任函数Bel的定义,对于2Θ→[0,1]：

在利用法则进行信息融合时,应强调几点原则：

(1) 正交运算性质决定着Θ内含元素须彼此独立.如果在选择元素的过程中无法保证元素彼此独立,那么须运用方法技巧使各元素相互独立；

(2) Belief Function的辨别框须具有完全相同的特质；

(3) 通过缓解对立,所得结果为各信息之间融合的产物；

(4) 融合顺序不会对信息融合产生影响,信息融合法则具有可交换性；

(5) 信息源之间对立程度表示为K-1,K-1值的大小,表示着信息之间对立的激烈和缓和.

三、实例分析

对于工程安全评估指标体系中的某指标,由3位专家预测其安全性R,将指标的安全性分为5级,表示为：S等于{很低,低,中,高,很高},分别表示其安全性水平为（见表1）：

在信息融合的过程,专家信息不确定性的难题被克服,因专家信息彼此互相独立又互相联系,两次信息融合,不断降低了融合结果的不确定性,信息不确定性降为0.0093,对工程管理安全评估体系影响较小.因此我们可以得到最后结果为：（0.0036,0.0248,0.9328,0.0266,0.0000,0.0093）,安全性在[0.4,0.6]之间的概率为93.28％.

参考文献：

[1] Moslch A,Apostolakis G.Models for the Use of Expert Opin-ion.Low Probability/High Consequence Risk Analysis[M].1984

[2] 张文修,梁怡.不确定性推理原理[M].西安:西安交通大学出版社,1994

作者单位：盐城师范学院