本发明公开了一种贫数据、信息不完全条件下的定量风险评估方法,其特征在于以下步骤:步骤S1:针对事故场景的安全屏障分析,以及事故的风险演化过程,建立事件树分析模型,将灾难性的事故后果考虑为一项重大事故,认为其他事故后果是重大事故的前兆事件;步骤S2:根据重大事故事件树分析,引入事故逐年先兆数据,通过已知的不同安全屏障与事故后果间的联系,根据层次贝叶斯分析方法,确定安全屏障失效概率和薄弱环节;步骤S3:根据事件树特性,借助层次贝叶斯分析方法,估计初始事件和事故发生次数,确定工程系统的风险情况。本发明的有益效果是:可以充分利用稀缺数据,并从相关数据中添加信息先验,得到各参数(屏障失效、事故次数)的后验概率密度分布;同时该技术不需要专家判断以及经验参数的估计,可用于事故风险的定量分析。
声明:
“贫数据、信息不完全条件下的定量风险评估方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)