[发明专利]基于EFA-BBN的计算机量化预测人员失误概率的方法和系统

说明书

基于EFA‑BBN的计算机量化预测人员失误概率的方法和系统，涉及数据分析与计算机预测技术领域，本发明利用EFA法结合当前情境条件对通用BBN模型中的父节点PSF进行分析，并将PSF相关性聚类为中间因子，连接BBN模型的父节点和子节点，该预测方法对PSF的数量没有限制，可以将n个PSFs聚类成少量中间因子，而不会失去PSF原本信息的完整性，所生成的EFA‑BBN模型可以弥补现有HRA方法没有考虑PSFs间的关系这一缺陷，并且模型中聚类因子节点和子节点均基于双重截断正态分布(TN)来获取条件概率表，然后利用成功似然指数(SLIM)方法估计人员失误概率值，相较于现有的HRA方法，本发明能够减少专家判断的主观性，更准确地估算出人员失误概率。

技术领域

本发明涉及数据分析与计算机预测技术领域，具体涉及一种基于EFA-BBN的计算机量化预测人员失误概率的方法和系统。

背景技术

确定影响人员失误的行为形成因子(PSFs)是人员可靠性分析(HRA)工作中的关键步骤之一。现有研究成果中提出了针对PSFs的结构层次分类法，目的是减少PSF之间的重叠性，并通过建模、观察和专家判断来进一步探索它们的因果关系。这些研究成功推进了对PSFs相关性的研究，然而，它们是在强烈依赖专家判断的前提下，并且只限于确定两个或三个因素之间的因果关系。此外，PSFs的重叠性和因果关系是通过传统技术来研究的，这些技术没有考虑到PSFs之间关系的不确定性。

目前，在分析人员失误概率(Human Error Probabilities,HEPs)时，一些方法只考虑一个PSF，如时间可靠性方法，另一些方法已经考虑了多达50个PSFs，如IDAC。只考虑少数几个PSFs可以简化分析工作量，但可能无法完整描述人员失误原因，而考虑大量PSFs会引入PSFs相关性的不确定性并增加工作负担。由于现有的方法通常忽略了行为形成因子(PSFs)间的关系，从而导致人员失误概率(HEP)的预测结果存在一定的误差。

发明内容

本发明目的之一是提供一种基于EFA-BBN的计算机量化预测人员失误概率的方法，用以更准确地预测人员失误概率。

为了实现上述目的，本发明采用的基于EFA-BBN的计算机量化预测人员失误概率的方法包括以下步骤：

一、生成当前情境条件下的EFA-BBN模型；

以通用BBN模型为基础，所述通用BBN模型结构为：以多种情境下影响人员失误的PSFs作为父节点，以人员失误概率作为子节点，以PSFs聚类分析得到的聚类因子作为连接父节点和子节点的中间节点；

利用EFA法结合当前情境条件对通用BBN模型中的PSFs进行分析，生成PSF对聚类因子贡献权重值的均匀分布，以对聚类因子贡献权重值大于0.5为筛选标准，对于满足该标准的PSFs，保留其与中间节点的关系，对于不满足该标准的PSFs，则删除其与中间节点的关系，生成当前情境条件下的EFA-BBN模型；

二、EFA-BBN模型的量化；

从存储有多种情境下影响人员失误的PSFs及其条件概率分布数据的数据库中获取模型中保留的PSFs的条件概率并将概率值归一化，再基于与父节点状态相关的聚类因子的概率密度函数获得中间节点的条件概率，以及利用成功似然指数法估算子节点，得出当前情境条件下人员失误概率的量化预测结果。

于本发明一实施例中，上述方法还包括构建通用BBN模型的步骤：

从所述数据库中获取多种情境下影响人员失误的PSFs并将其作为父节点，以人员失误概率作为子节点，对获取的PSFs进行聚类分析，以聚类因子作为连接父节点和子节点的中间节点，得到通用BBN模型。

在步骤一中，利用EFA法结合当前情境条件对通用BBN模型中的PSFs进行分析的过程包括：

(1)当PSF i在当前情境条件下发生时，赋值为1，如若不可能发生，则赋值为0；