کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7195294 1468200 2018 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A Bayesian kernel approach to modeling resilience-based network component importance
ترجمه فارسی عنوان
یک رویکرد هسته بیزی برای مدل سازی اهمیت مولفه شبکه مبتنی بر انعطاف پذیری
کلمات کلیدی
انعطاف پذیری، اهمیت کامپوننت، روش های هسته بیزی، سیستم های زیربنایی،
ترجمه چکیده
انعطاف پذیری شبکه های زیربنایی توجه فزاینده ای در برنامه ریزی زیرساخت ها و مدیریت ریسک دارد. یک جنبه از برنامه ریزی مبتنی بر انعطاف پذیری، تعیین اینکه کدامیک از اجزای شبکه در انعطاف پذیری شبکه اهمیت بیشتری دارند. این کار استفاده از یک اندازه اهمیت جزء مبتنی بر انعطاف پذیری، ارزش انعطاف پذیری را ارائه می دهد و پیشنهاد می کند که این اندازه گیری را با استفاده از تکنیک هسته بیزی بطور نامعلومی مدل کند. چنین تکنیکی می تواند در اهمیت جزء مدل سازی مفید باشد زیرا توزیع احتمالی برای اندازه گیری اهمیت را با استفاده از داده ها و اطلاعات پیشین با یک مدل هسته بیزی امکان پذیر می کند. رویکرد پیشنهادی برای بررسی اهمیت قفل ها و سدهای در امتداد سیستم ناوبری رودخانه می سی سی پی مورد استفاده قرار می گیرد. بالاترین پیش بینی دقت کلی با توزیع پیشین یکنواخت به دست می آید و با استفاده از توزیع خلفی و روش تجزیه و تحلیل تصمیم گیری چند ضلعی، ما پنج قفل ها و سدها با بیشترین تاثیر را بر قابلیت انعطاف پذیری سیستم شناسایی می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی مکانیک
پیش نمایش مقاله
یک رویکرد هسته بیزی برای مدل سازی اهمیت مولفه شبکه مبتنی بر انعطاف پذیری
چکیده انگلیسی
The resilience of infrastructure networks is an increasingly important consideration in infrastructure planning and risk management. One aspect of resilience-based planning is determining which components in the network are most important to the resilience of the network. This work makes use of a resilience-based component importance measure, the resilience worth, and proposes to model this measure under uncertainty using a Bayesian kernel technique. Such a technique can be useful in modeling component importance as it enables the probability distribution for the importance measure to be updated using data and prior information with a Bayesian kernel model. The proposed approach is applied to study the importance of locks and dams along the Mississippi River Navigation System. The highest predictive overall accuracy is achieved with a uniform prior distribution, and using the posterior distribution and a multicriteria decision analysis technique, we identify the five locks and dams with the largest impact on the system's resilience.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Reliability Engineering & System Safety - Volume 170, February 2018, Pages 10-19
نویسندگان
, ,