| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 研究内容与技术路线 | 第15-17页 |
| 2 风险管理的基本理论 | 第17-24页 |
| 2.1 风险的概念 | 第17-18页 |
| 2.2 风险管理概述 | 第18-19页 |
| 2.2.1 安全风险管理的概念 | 第18页 |
| 2.2.2 安全风险管理过程 | 第18-19页 |
| 2.3 安全风险评估 | 第19-23页 |
| 2.3.1 概述 | 第19-20页 |
| 2.3.2 风险识别 | 第20-22页 |
| 2.3.3 风险估算与分析方法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 高速铁路行车调度系统风险识别 | 第24-45页 |
| 3.1 我国高速铁路调度指挥系统概述 | 第24页 |
| 3.2 高速铁路行车调度系统分析 | 第24-29页 |
| 3.2.1 宏观角度系统分析 | 第25-29页 |
| 3.2.2 微观角度系统分析 | 第29页 |
| 3.3 高速铁路行车调度系统风险定性识别 | 第29-37页 |
| 3.3.1 人员角度风险识别 | 第29-33页 |
| 3.3.2 机器设备角度风险识别 | 第33-34页 |
| 3.3.3 环境角度风险识别 | 第34-35页 |
| 3.3.4 高速铁路行车调度系统危险因素汇总 | 第35-37页 |
| 3.4 高速铁路行车调度系统风险定量识别 | 第37-44页 |
| 3.4.1 灰色关联分析法 | 第37-39页 |
| 3.4.2 风险识别因素集确定 | 第39-40页 |
| 3.4.3 基于MATLAB的危险因素灰色关联度计算 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 高速铁路行车调度系统风险分析 | 第45-57页 |
| 4.1 模糊集理论 | 第45-47页 |
| 4.1.1 模糊集基础概念 | 第45-46页 |
| 4.1.2 隶属函数及模糊数 | 第46-47页 |
| 4.2 贝叶斯网络理论基础 | 第47-49页 |
| 4.2.1 概率论和图论基础 | 第47-48页 |
| 4.2.2 贝叶斯网络的定义及其构造 | 第48-49页 |
| 4.2.3 贝叶斯网络推理 | 第49页 |
| 4.3 基于贝叶斯网络的高铁行车调度系统风险定量分析 | 第49-56页 |
| 4.3.1 基于故障树的贝叶斯网络转化基本算法 | 第49-50页 |
| 4.3.2 基于模糊集理论的贝叶斯网络节点概率算法研究 | 第50-55页 |
| 4.3.3 贝叶斯网络模型的推理 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 算例分析 | 第57-70页 |
| 5.1 构建故障树模型 | 第57-59页 |
| 5.2 基于故障树的贝叶斯网络模型构建 | 第59-63页 |
| 5.2.1 故障树模型向贝叶斯网络的转化 | 第59-60页 |
| 5.2.2 贝叶斯网络节点概率确定 | 第60-63页 |
| 5.3 基于GeNIe的贝叶斯网络模型仿真分析 | 第63-69页 |
| 5.3.1 因果推理 | 第64-66页 |
| 5.3.2 诊断推理 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 6 结论与展望 | 第70-72页 |
| 6.1 研究结论 | 第70-71页 |
| 6.2 研究展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录A | 第76-81页 |
| 作者简历 | 第81-83页 |
| 学位论文数据集 | 第83页 |
