基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的深水防噴器操作安全性評(píng)估開題報(bào)告

1、<p><b>　　畢業(yè)設(shè)計(jì)開題報(bào)告</b></p><p>　　基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的深水防噴器操作安全性評(píng)估</p><p>　　1 研究的目的及意義</p><p>　　目前，陸地上的石油開采基本上達(dá)到了一個(gè)飽和的狀態(tài)，產(chǎn)量不會(huì)有太大的增加。石油勘探開發(fā)已經(jīng)逐步向深水海域進(jìn)軍，深水井控技術(shù)，由于直接關(guān)系到油氣井施工的人身、財(cái)產(chǎn)安全

2、和海洋環(huán)境保護(hù)，得到了前所未有的重視[1]。</p><p>　　深水防噴器組是深水井控技術(shù)的關(guān)鍵技術(shù)，是保證深水鉆井作業(yè)安全最關(guān)鍵的設(shè)備，其作用是在發(fā)生井噴、井涌時(shí)控制井口壓力，在臺(tái)風(fēng)等緊急情況下鉆井裝置撤離時(shí)關(guān)閉井口，保證人員、設(shè)備安全，避免海洋環(huán)境污染和油氣資源破壞。由于深海搶險(xiǎn)、逃生和救援極為困難，因此對(duì)深水防噴器組的技術(shù)性能和安全性要求非常高[2]。2010年4月20日，發(fā)生在美國(guó)墨西哥灣的井噴事件中，

3、正是由于深水防噴器失效，使井噴無(wú)法得到有效的控制，造成人員傷亡、鉆井平臺(tái)沉沒，大量油氣噴入海中，引起附近海域嚴(yán)重的生態(tài)災(zāi)難和資源浪費(fèi)，并且造成了巨額經(jīng)濟(jì)損失。</p><p>　　與用于陸地上或非浮式鉆井平臺(tái)所用的防噴器不同，深水防噴器組安裝于數(shù)百至數(shù)千米水深的海底井口上。這大大增加了深水防噴器系統(tǒng)的復(fù)雜性，也提高了保證防噴器操作安全性的難度。所以，對(duì)深水防噴器操作安全性進(jìn)行評(píng)估，顯得十分重要。</p>

4、;<p><b>　　2 國(guó)內(nèi)外研究現(xiàn)狀</b></p><p>　　2.1 深水防噴器的研究現(xiàn)狀</p><p>　　目前，國(guó)內(nèi)防噴器生產(chǎn)主要集中在寶雞石油機(jī)械廠、江蘇信得石油機(jī)械廠、華北石油榮盛機(jī)械制造有限公司、上海申開廠等廠家，生產(chǎn)的產(chǎn)品包括環(huán)形防噴器、閘板防噴器、各類閥件、帶壓作業(yè)裝置等，已經(jīng)基本上實(shí)現(xiàn)了系列化、規(guī)?；a(chǎn)，滿足了國(guó)內(nèi)井控市場(chǎng)的需

5、求。</p><p>　　設(shè)計(jì)制造方面，國(guó)內(nèi)普遍采用CAD技術(shù)建造三維模型，對(duì)殼體、膠芯、閘板等關(guān)鍵組件，使用有限元分析軟件進(jìn)行模擬仿真，研究關(guān)鍵部位的失效機(jī)理，獲得了較好效果。此外，通過改進(jìn)加工工藝、引入先進(jìn)的檢測(cè)設(shè)備如聲發(fā)射儀、數(shù)字UT儀等，大大提高了防噴器的質(zhì)量和生產(chǎn)效率。</p><p>　　在水下防噴器領(lǐng)域，國(guó)內(nèi)以前僅研制過“勘探一號(hào)”鉆井船的水下防噴器,通徑為340mm，工作壓

6、力為15MPa，只能用于淺水低壓工況。近十幾年來(lái)國(guó)內(nèi)陸上防噴器技術(shù)發(fā)展較快，研制出105MPa防噴器組、變徑閘板(壓力≤70Mpa)、剪切閘板、閘板液壓鎖緊裝置等，廣泛用于陸地和海上油田。但用于深水鉆井的大通徑高壓防噴器組還是空白，在產(chǎn)品的操作性能、可靠性、防腐技術(shù)方面還不能滿足深水作業(yè)的要求[3]。</p><p>　　近二十年來(lái)，美國(guó)三大公司在水下防噴器的設(shè)計(jì)、材料、制造、檢測(cè)試驗(yàn)等方面取得很大技術(shù)進(jìn)展，產(chǎn)品

7、的操作性、適用性、可靠性都有很大提高。Cameron公司的TL型閘板防噴器，主要零件為鍛件，承壓可靠、結(jié)構(gòu)緊湊。VBR-Ⅱ型變徑閘板膠芯的變徑范圍大，耐溫可達(dá)121℃，固定閘板的耐溫可達(dá)177℃。Nov Shaffer公司的NXT型閘板防噴器側(cè)門為無(wú)螺栓結(jié)構(gòu)，更換閘板方便，整機(jī)高度低。Hydrilll公司的Quik-Loq閘板防噴器側(cè)門采用快開結(jié)構(gòu)，可快速更換閘板，GX型環(huán)形防噴器采用平衡活塞設(shè)計(jì)，適用于深水作業(yè)，其環(huán)形膠芯耐溫最高可達(dá)

8、132℃。</p><p>　　與國(guó)外公司的防噴器相比，國(guó)產(chǎn)防噴器在種類、性能、技術(shù)含量等方面還存在一些差距，在國(guó)際市場(chǎng)上毫無(wú)競(jìng)爭(zhēng)力。主要有以下幾個(gè)方面：</p><p>　　(1) 在大口徑超高壓防噴器的研制方面，國(guó)內(nèi)起步晚、基礎(chǔ)差。由于工藝水平有限，大多數(shù)主要承壓件殼體采用鑄鋼件。而在鑄造工藝過程中，一些微量的有害元素?zé)o法剔除，因此毛坯質(zhì)量不高，造成成品率低，返修率高，在一定程度上影響

9、了防噴器的安全穩(wěn)定性，在鉆井過程中容易產(chǎn)生生產(chǎn)事故。而目前國(guó)外采用鍛造工藝制造殼體承壓件，生產(chǎn)出的毛坯具有重量輕、可靠性高、材料性能好等眾多優(yōu)點(diǎn)。</p><p>　　(2) 國(guó)產(chǎn)防噴器組產(chǎn)品的功能不全面，針對(duì)水下防噴器的研究較少。目前，國(guó)內(nèi)還沒有廠家能夠獨(dú)立生產(chǎn)水下防噴器組，對(duì)在沙漠、海洋等惡劣自然環(huán)境中使用的防噴器，國(guó)內(nèi)產(chǎn)品在耐高低溫、耐腐蝕性能和材料強(qiáng)度等方面均達(dá)不到要求，仍需從國(guó)外高價(jià)進(jìn)口耐腐蝕不銹鋼防噴

10、器；對(duì)于深水防噴器組內(nèi)的液壓連接器、撓性接頭等設(shè)備的研究，國(guó)內(nèi)更是處于空白，產(chǎn)品幾乎完全依靠進(jìn)口。</p><p>　　(3) 在加工設(shè)備方面差距也很大，國(guó)外生產(chǎn)廠家已經(jīng)采用大型數(shù)控機(jī)床來(lái)進(jìn)行防噴器的關(guān)鍵零部件精加工，而在國(guó)內(nèi)，仍然采用普通機(jī)床，人工加工關(guān)鍵零部件，精度高低可想而知。</p><p>　　(4) 防噴器一些關(guān)鍵密封件受制造工藝水平、材料性能的限制，在使用過程中壽命較低，安全

11、性能低，無(wú)法滿足深水等惡劣環(huán)境下的密封要求，尤其是高壓、大通徑的密封件目前多數(shù)無(wú)法自行研制生產(chǎn)，主要來(lái)自進(jìn)口[4-7]。</p><p>　　由于國(guó)外對(duì)防噴器裝備研究比較早，技術(shù)成熟，他們已經(jīng)經(jīng)過了三個(gè)技術(shù)發(fā)展階段，第一階段為手動(dòng)控制閘板防噴器，第二階段為液動(dòng)控制閘板防噴器和加上環(huán)形防噴器的組合出來(lái)的防噴器組，第三階段仍為液動(dòng)防噴器，但是此時(shí)他們研制出來(lái)的防噴器已經(jīng)由簡(jiǎn)單的低壓、小通徑、簡(jiǎn)單的結(jié)構(gòu)轉(zhuǎn)化為高壓、大通

12、徑、可變通徑和不斷完善的結(jié)構(gòu)。目前國(guó)外先進(jìn)廠家正在開發(fā)、完善第四代產(chǎn)品即井下防噴器。</p><p>　　總體來(lái)說，由于深水防噴器組控制系統(tǒng)的研制難度大，投入多，風(fēng)險(xiǎn)高，國(guó)內(nèi)對(duì)這方面的研究還處于空白。國(guó)外的生產(chǎn)制造技術(shù)也為Cameron、Hydril和Shaffer等少數(shù)外國(guó)公司壟斷。我國(guó)為了開采南海深水石油，研制自主產(chǎn)權(quán)的深水防噴器及其控制系統(tǒng)已是刻不容緩。</p><p>　　2.2

13、動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的研究現(xiàn)狀</p><p>　　貝葉斯網(wǎng)絡(luò)一般指靜態(tài)貝葉斯網(wǎng)絡(luò)，它是一種幫助人們將概率統(tǒng)計(jì)應(yīng)用于復(fù)雜領(lǐng)域、進(jìn)行不確定性推理和數(shù)據(jù)分析的工具。它起源于人工智能領(lǐng)域的研究，近年來(lái)對(duì)眾多其它領(lǐng)域也產(chǎn)生了重要影響。</p><p>　　隨著人工智能的發(fā)展，尤其是機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等興起，為貝葉斯理論的發(fā)展和應(yīng)用提供了更為廣闊的空間。貝葉斯理論的內(nèi)涵也比以前有了很大變化。20世紀(jì)80年

14、代，貝葉斯網(wǎng)絡(luò)用于專家系統(tǒng)的知識(shí)表示，20世紀(jì)90年代進(jìn)一步研究可學(xué)習(xí)的貝葉斯網(wǎng)絡(luò)，用于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和預(yù)測(cè)[8]。</p><p>　　從技術(shù)層面講，貝葉斯網(wǎng)絡(luò)是一種系統(tǒng)地描述隨機(jī)變量之間關(guān)系的語(yǔ)言。構(gòu)造貝葉斯網(wǎng)絡(luò)的主要目的是進(jìn)行概率推理，即計(jì)算一些事件發(fā)生的概率。要在一些隨機(jī)變量之間進(jìn)行概率推理，理論上只需要一個(gè)聯(lián)合概率分布即可。但是，聯(lián)合概率分布的復(fù)雜度相對(duì)于變量個(gè)數(shù)成指數(shù)增長(zhǎng)，所以當(dāng)變量眾多時(shí)不可行。

15、貝葉斯網(wǎng)絡(luò)的提出就是要解決這個(gè)問題，它把復(fù)雜的聯(lián)合概率分布分解成一系列相對(duì)簡(jiǎn)單的模塊，從而大大降低了知識(shí)獲取的難度和概率推理的復(fù)雜度，使得人們可以把概率論應(yīng)用于大型問題。</p><p>　　貝葉斯網(wǎng)絡(luò)作為圖形模型的一種，具有圖形模型的大多數(shù)性質(zhì)。它是概率理論和圖論相結(jié)合的產(chǎn)物。它提供了一種自然的工具，可以用來(lái)處理貫穿于應(yīng)用數(shù)學(xué)和工程中的兩個(gè)問題一不確定性和復(fù)雜性。尤其是在機(jī)器學(xué)習(xí)算法設(shè)計(jì)和分析方面扮演著越來(lái)越重

16、要的角色。圖形模型的模塊化概念將一個(gè)復(fù)雜系統(tǒng)分成了簡(jiǎn)單的組成部分，概率理論提供了各個(gè)部分聯(lián)合起來(lái)的粘合劑，保證系統(tǒng)作為整體是一致的，并提供了模型到數(shù)據(jù)的接口。圖形模型的圖論部分則提供了直觀的界面，通過它人們可以將高度互動(dòng)化的變量集和數(shù)據(jù)結(jié)構(gòu)模型化，并可以被用來(lái)設(shè)計(jì)有效的通用算法。</p><p>　　貝葉斯網(wǎng)絡(luò)構(gòu)成了一個(gè)有向圖模型，而不同于其它知識(shí)表示框架(例如:基于規(guī)則的系統(tǒng)、神經(jīng)網(wǎng)絡(luò))那樣試圖對(duì)知識(shí)推理的過程

17、進(jìn)行建模。貝葉斯網(wǎng)絡(luò)實(shí)際上是在模擬潛藏在境中起作用的因果機(jī)制。概率知識(shí)和在網(wǎng)絡(luò)中的因果知識(shí)可以被貝葉斯網(wǎng)絡(luò)有效的表示和處理。</p><p>　　這種貝葉斯網(wǎng)絡(luò)的在聯(lián)想方面的方便性可以用來(lái)對(duì)于認(rèn)知方面的任務(wù)進(jìn)行建模，如物體識(shí)別、閱讀理解、時(shí)態(tài)預(yù)測(cè)。對(duì)于這種任務(wù)，貝葉斯網(wǎng)絡(luò)為調(diào)整從下向上和自上而下兩種推理之間的關(guān)系提供了一種一致的語(yǔ)義學(xué)定義，這樣就給高級(jí)概念和低級(jí)概念之間的信息交流架起了橋梁。這種能力可以使得系統(tǒng)在

18、進(jìn)行實(shí)際觀測(cè)前能夠選擇有最大信息量的觀測(cè)[9-10]。</p><p>　　近年來(lái),靜態(tài)貝葉斯網(wǎng)絡(luò)廣泛應(yīng)用在多個(gè)領(lǐng)域,例如Microsoft公司采用該方法解決了Windows系統(tǒng)的打印機(jī)故障,醫(yī)療領(lǐng)域中采用該方法進(jìn)行疾病的診斷等。但是靜態(tài)貝葉斯網(wǎng)絡(luò)不能解決有關(guān)時(shí)序的問題,即未考慮實(shí)際動(dòng)態(tài)系統(tǒng)各個(gè)時(shí)刻狀態(tài)間的相互影響。為了描述實(shí)際動(dòng)態(tài)系統(tǒng)的狀態(tài)變化,一些學(xué)者提出DBN理論。</p><p>

19、　　對(duì)于隨時(shí)間變化的動(dòng)態(tài)系統(tǒng)，靜態(tài)系統(tǒng)中的許多方法在動(dòng)態(tài)系統(tǒng)中不能直接使用，要如何改進(jìn)以推廣到動(dòng)態(tài)系統(tǒng)，其研究尚處于初期階段。主要的困難在于動(dòng)態(tài)系統(tǒng)復(fù)雜性，使得靜態(tài)系統(tǒng)中一些成熟方法無(wú)法處理這種具有多種復(fù)雜情況的隨機(jī)過程，這就需要針對(duì)復(fù)雜系統(tǒng)的特點(diǎn)研究動(dòng)態(tài)系統(tǒng)的特點(diǎn)研究全新或改進(jìn)的方法來(lái)處理。DBN理論的研究無(wú)論在國(guó)外還是國(guó)內(nèi)都是比較新的課題，近兩年開始有一些文章和研究，較深入的研究文章則發(fā)表較少。</p><p&g

20、t;　　現(xiàn)有的研究主要完成了將BN學(xué)習(xí)和推理的基本原理推廣到動(dòng)態(tài)系統(tǒng)、聯(lián)合樹算法擴(kuò)展到動(dòng)態(tài)系統(tǒng)和在平穩(wěn)的情況下對(duì)動(dòng)態(tài)離散數(shù)據(jù)的學(xué)習(xí)等。例如結(jié)構(gòu)學(xué)習(xí)方面的搜索網(wǎng)絡(luò)狀態(tài)空間并給每次搜索結(jié)果打分的學(xué)習(xí)機(jī)理，就直接在動(dòng)態(tài)系統(tǒng)中采用；推理的聯(lián)合樹算法在時(shí)間軸上展開計(jì)算擴(kuò)展到動(dòng)態(tài)系統(tǒng)；在動(dòng)態(tài)系統(tǒng)中對(duì)取有限個(gè)離散值的數(shù)據(jù)的學(xué)習(xí)中采用經(jīng)典統(tǒng)計(jì)方法對(duì)數(shù)據(jù)進(jìn)行處理再用貝葉斯統(tǒng)計(jì)方法進(jìn)行學(xué)習(xí)。</p><p>　　此外，還有一些文章涉

21、及線性動(dòng)態(tài)系統(tǒng)，這是將網(wǎng)絡(luò)中的節(jié)點(diǎn)之間的作用或依賴關(guān)系處理成普通的線性回歸關(guān)系。這方面的研究成果已有不少，主要針對(duì)的是比較簡(jiǎn)單的模型，如HMM模型和卡爾曼過濾模型在時(shí)間軸上延展的動(dòng)態(tài)系統(tǒng)以及他們的系數(shù)化、開關(guān)化、耦合化模型等變形形式。在他們模型上按照線性回歸關(guān)系設(shè)計(jì)的推理算法是專用的，往往只能用于本身類別的動(dòng)態(tài)模型。</p><p>　　從時(shí)態(tài)序列角度分析DBN，也取得了階段性成果。時(shí)態(tài)序列分析和分類研究已經(jīng)有幾

22、十年的歷史，研究了許多技術(shù)，如信號(hào)處理、計(jì)算機(jī)影像和財(cái)政學(xué)等技術(shù)，可以對(duì)不同的時(shí)間序列進(jìn)行分析和分類。例如，卡爾曼濾波估測(cè)是在連續(xù)狀態(tài)線性動(dòng)態(tài)系統(tǒng)估測(cè)的基礎(chǔ)上進(jìn)行的，而隱馬爾科夫模型在離散狀態(tài)的分類方面做得非常出色，并成功用于連續(xù)語(yǔ)音識(shí)別和在線手寫體識(shí)別系統(tǒng)中，在生物信息學(xué)中也廣泛應(yīng)用。從時(shí)態(tài)序列的角度來(lái)看，LDS中的估測(cè)和HMM中的推理都可以看成是DBN的特殊情況外，內(nèi)容結(jié)構(gòu)上也可以應(yīng)用確切和近似的統(tǒng)計(jì)推理和學(xué)習(xí)技術(shù)。從BN模型到時(shí)間

23、序列的模型化，已經(jīng)研究出很多新方法，去推理新型而復(fù)雜的時(shí)態(tài)模型，如因子HMM、轉(zhuǎn)換狀態(tài)空間模型、混合DBN等。</p><p>　　由于不同的網(wǎng)絡(luò)結(jié)構(gòu)及拓?fù)湫问剑呀?jīng)出現(xiàn)了與這些結(jié)構(gòu)相對(duì)應(yīng)的諸多推理算法，如將DBN看成一個(gè)靜態(tài)網(wǎng)絡(luò)，直接應(yīng)用靜態(tài)網(wǎng)絡(luò)交叉樹算法進(jìn)行推理，或?qū)?fù)雜DBN轉(zhuǎn)換成標(biāo)準(zhǔn)HMM進(jìn)行推理，或直接應(yīng)用臨界算法、邊緣算法等現(xiàn)成的DBN推理算法進(jìn)行推理等。如何針對(duì)性的選擇這些算法，提高DBN的高效性是

24、一個(gè)關(guān)鍵問題。</p><p>　　動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)[11, 12]是普通貝葉斯網(wǎng)絡(luò)在時(shí)間領(lǐng)域的拓展，即在原來(lái)網(wǎng)絡(luò)結(jié)構(gòu)上加上時(shí)間屬性的約束。所以說動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)依然是一個(gè)又向無(wú)環(huán)圖，它可以用來(lái)表示因果關(guān)系、先后關(guān)系、條件關(guān)系。一般來(lái)說，它可以通過常識(shí)或?qū)＜抑R(shí)來(lái)構(gòu)造，但對(duì)于不太熟悉的領(lǐng)域，通常常識(shí)來(lái)構(gòu)造是不太可能的，因此出現(xiàn)了從大量樣本數(shù)據(jù)中挖掘網(wǎng)絡(luò)結(jié)構(gòu)的算法，即動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)，或稱為動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的發(fā)現(xiàn)

25、?，F(xiàn)在的應(yīng)用并不多，也還不夠深入，主要在語(yǔ)音識(shí)別、說話人識(shí)別、人的姿態(tài)測(cè)定、視頻跟蹤、視頻獲取、大信息量處理、虛擬盆景等方面做了一些初步的研究。它是一種相對(duì)年輕的方法，尤其在處理時(shí)序數(shù)據(jù)、表達(dá)多層知識(shí)方面有著深厚的理論支持并具有較強(qiáng)的優(yōu)勢(shì)。近年來(lái)，越來(lái)越多的研究者開始研究如何從大量樣本數(shù)據(jù)中發(fā)現(xiàn)貝葉斯網(wǎng)絡(luò)，提出了諸多的學(xué)習(xí)算法，由于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)與貝葉斯網(wǎng)絡(luò)的相似性及關(guān)聯(lián)性，故這些學(xué)習(xí)算法的很多思想亦可推廣至動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)發(fā)現(xiàn)。<

26、/p><p>　　BN理論是較新的研究領(lǐng)域，對(duì)靜態(tài)BN的研究尚有待進(jìn)一步完善，國(guó)外對(duì)DBN的研究處于初期階段，國(guó)內(nèi)涉及到DBN的研究則更少。到目前為止，對(duì)變量取連續(xù)值的DBN結(jié)構(gòu)學(xué)習(xí)研究尚處于探索時(shí)期，還沒有較深入的文章論及。現(xiàn)有的研究表明，由于非平穩(wěn)隨機(jī)動(dòng)態(tài)系統(tǒng)本身的復(fù)雜性，將靜態(tài)BN的一些方法拓展到動(dòng)態(tài)系統(tǒng)遇到了許多困難，也使得對(duì)DBN的研究進(jìn)展緩慢[13-15]。</p><p>　　3

27、 課題的研究目標(biāo)、研究?jī)?nèi)容</p><p><b>　　3.1研究目標(biāo)</b></p><p>　　目前為止，國(guó)內(nèi)外關(guān)于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)在深水防噴器操作安全性評(píng)估中的應(yīng)用幾乎沒有，本課題嘗試將動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)引入深水防噴器操作安全性評(píng)估中，促進(jìn)動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)理論的研究與應(yīng)用，以及其在深水防噴器操作安全性評(píng)估方面的發(fā)展。綜合運(yùn)用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)對(duì)深水防噴器操作的安全性進(jìn)行評(píng)估

28、，并結(jié)合軟件NETICA進(jìn)行相互驗(yàn)證，找出其中對(duì)安全性影響較大的因素，從幾個(gè)主要方面歸納原因，并對(duì)以后的防噴器的設(shè)計(jì)或操作提出一些改進(jìn)方案。</p><p><b>　　3.2研究?jī)?nèi)容</b></p><p>　　(1) 歷史數(shù)據(jù)的收集與整理。</p><p>　　(2) 對(duì)影響操作安全性的各種因素進(jìn)行分類。</p><p&

29、gt;　　(3) 根據(jù)各種因素，分別對(duì)其建立動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型，最后進(jìn)行整合，建立整個(gè)系統(tǒng)的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)。</p><p>　　(4) 取模型中的案例利用這種方法對(duì)其進(jìn)行推理分析。</p><p>　　(5) 通過軟件NETICA進(jìn)行驗(yàn)證。</p><p>　　(6) 最后，給出結(jié)論，并有針對(duì)性地提出改進(jìn)措施或建議。</p><p>　　4

30、 課題擬采取的研究方法</p><p>　　(1) 由于這方面的工作國(guó)內(nèi)研究的較少，歷史數(shù)據(jù)的收集較困難。主要是通過咨詢一些深水防噴器方面專家，根據(jù)他們提供的一些資料以及經(jīng)驗(yàn)來(lái)收集與整理。</p><p>　　(2) 貝葉斯網(wǎng)絡(luò)中通常有五類影響因素，包括人為因素、硬件因素、軟件因素、機(jī)械因素和液壓因素。根據(jù)深水防噴器的操作流程，首先建立系統(tǒng)的主貝葉斯網(wǎng)絡(luò)，對(duì)其進(jìn)行分析，將各因素具體化，并找

31、出其概率分布。</p><p>　　(3) 利用NETICA軟件，通過添加節(jié)點(diǎn)和有向邊，延時(shí)邊以及概率函數(shù)，對(duì)各因素建立動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)。</p><p>　　(4) 運(yùn)用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的一些算法比如前向后向算法等，取其中的一個(gè)案例比如緊急脫斷系統(tǒng)（EDS），進(jìn)行推理分析。</p><p>　　(5) 通過NETICA軟件，對(duì)所建立的模型進(jìn)行不確定性分析，敏感性分析等

32、多種推理，找出各影響因素的重要程度。</p><p>　　(6) 對(duì)分析結(jié)果進(jìn)行整理，給出相應(yīng)結(jié)論。</p><p>　　5 課題的計(jì)劃進(jìn)度和預(yù)期成果 </p><p>　　5.1課題的計(jì)劃進(jìn)度</p><p>　　5.2預(yù)期的研究成果</p><p>　　建立系統(tǒng)的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型，對(duì)某一案例進(jìn)行分析，找出對(duì)深水防

33、噴器操作安全性影響較大的因素，并針對(duì)性的提出一些改進(jìn)方案。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1] 段明星, 李明亮. 深水防噴器系統(tǒng)可靠性探討[J]. 中國(guó)造船, 2010, 12:297</p><p>　　[2] 李博, 張作龍. 深水防噴器組控制系統(tǒng)的發(fā)展[J]. 流體傳動(dòng)與控制, 2008, 29(4

34、):39 </p><p>　　[3] 劉翔. 3000m深水下防噴器組可靠性研究[D]. 中國(guó)石油大學(xué), 2010.</p><p>　　[4] 孫振剛. 防噴器參數(shù)化設(shè)計(jì)及仿真技術(shù)研究[D]. 中國(guó)石油大學(xué), 2009.</p><p>　　[5] 王道寶. 閘板防噴器可靠性研究[D]. 中國(guó)石油大學(xué), 2010.</p><p>　　[

35、6] 李三平. 國(guó)產(chǎn)防噴器生產(chǎn)技術(shù)現(xiàn)狀與發(fā)展趨勢(shì)[J]. 石油科技論壇, 2006:54 </p><p>　　[7] 蘇尚文, 許宏奇. 我國(guó)防噴器技術(shù)進(jìn)展與發(fā)展方向[J]. 石油機(jī)械, 2001:101-107</p><p>　　[8] 李海軍, 馬登武, 劉霄等.貝葉斯網(wǎng)絡(luò)理論在裝備故障診斷中的應(yīng)用[M]. 北京: 國(guó)防工業(yè)出版社, 2009: 58-59.</p>

36、<p>　　[9] Adnan Darwiche.Modeling and Reasoning with Bayesian Networks[M]. New York: Cambridge University Press, 2009</p><p>　　[10] 張連文, 郭海鵬. 貝葉斯網(wǎng)引論[M]. 北京: 科學(xué)出版社, 2006</p><p>　　[11] Murphy

37、 K.Dynamic Bayesian networks: representation, inference and learning[D]. Doctor of Philosophy dissertation, University of California, Berkeley, 2002. </p><p>　　[12] Murphy K P, Mian S. Modeling gene expressi

38、on data using dynamic Bayesian networks.Berkeley: Computer Science Division[D]. Doctor of Philosophy dissertation, University of California, 1999.</p><p>　　[13] 李維乾. 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)在水文預(yù)報(bào)中的應(yīng)用[D]. 西安理工大學(xué), 2009.</p&

39、gt;<p>　　[14] Pavlovic, Tat-Jen Cham. A Dynamic Bayesian Networks Approach to Figure Tracking Using learned Dynamic Models[J]. 1999:94-101</p><p>　　[15] 肖秦琨, 高嵩.動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)推理學(xué)習(xí)理論及應(yīng)用[M]. 北京: 國(guó)防工業(yè)出版社, 2007: