|
Расчет возможностной меры вершинного исхода в модели «нечеткое воздействие – нечеткая восприимчивость»
При использовании фундаментального соотношения мер определенности для некоторого события в рассматриваемой системе, оказываются достижимыми сравнение и представление результатов оценки риска уникальных систем на основе нахождения верхних границ значений вероятности происшествия (вершинного исхода) [1,2]. Для установления возможностной меры реализации параметрических предпосылок в системе была поставлена задача об определении условий существования решения и нахождении меры реализации вершинного исхода, если параметры s , r– нечеткие величины, ядра которых заданы, а границы их носителей установлены на уровне a - среза [Дюбуа, Прад, Есипов].
Считается, что статистические данные о разбросе нечетких параметров отсутствуют, но экспертным путем установлены области для ядер нечетких величин s , r , обозначаемых в виде , , а также области для носителей этих величин на уровне их a – среза, см. рисунок 3 :
(29)
Под границами носителейR a , S aподразумеваются «ничтожно» возможные значения нечетких величин rи s, которые эксперты различают со степенью уверенности, равной (1 - a), где a – уровень различимости этих границ. В рамках этой модели, для «верхней» и «нижней» границ ядер было задано условие: и рассмотрена гауссова функции принадлежности m (l).
Если функции принадлежности параметров s , r известны, то мера p может быть найдена путем решения задачи о сравнении двух нечетких интервалов.
Рисунок 3– Выражение модели «воздействие – восприимчивость» через функции принадлежности
Введем параметры , а также абсолютный «запас безопасности» zb и приведенный параметрический «запас безопасности» zbα:
, (30)
Определим возможностную меру при нормальной (гауссовой) аппроксимации функций принадлежности нечетких параметров sи r :
, (31)
где s s (s r) – характеристика размытости соответственно параметров s , r, связанная с практической областью размытости D s (D r ) соотношением:
D = k*s, где k – коэффициент нормальной размытости, которому при k = 3; 4; 5 соответствует квантиль доверия 1 - n: 0,9968; 0,999968; 0,9999997 [Есипов, Черемисин].
По определению, возможностная мера превышения sнад r есть значение функций принадлежности в их точке пересечения l 1. Тогда, как видно из рисунка 3
(32)
После подстановки (29) в (30), с учетом (28), получим следующую аналитическую зависимость «нормальной» аппроксимации возможностной меры:
, (33)
где k e = k / 2, а значения коэффициента k e = 4,5; 8; 12,5 соответствуют значениям коэффициента k= 3; 4; 5 в функции ошибок.
Результаты численного решения зависимости (33) представлены на рисунке 4.
Рисунок 4 – Расчетная зависимость ВМ pna (k e , zba ) от приведенного запаса при нормальной аппроксимации параметров воздействия и восприимчивости
Очевидно, что влияние аргумента zba на функцию pnaслабее, нежели влияние коэффициента k e. При изменении k e от 4,5 до 12,5 происходит изменение pnaна несколько порядков.
С практической точки зрения достаточно рассмотреть следующие области изменения аргументов: aÎ[ 10 – 5 , 10 – 1] , zba Î[1, 2].
Следовательно, в модели «нечеткий параметр воздействия – нечеткий параметр восприимчивости» при гауссовой аппроксимации функций принадлежности, возможностная мера предпосылки вершинного исхода есть функция от отношения уклонения ядер к суммарной размытости носителей параметров воздействия и восприимчивости. В свою очередь, при отыскании значений меры отказа от 0,03 и ниже большое значение приобретает как анализ краевых условий задачи, так и анализ их влияния на результат ее решения. Применительно к сложным системам, у которых произведение количества элементов на количество связей между ними превышает число 100, такое «огрубление» требований к представлению нечетких величин, например, только по уровню a– среза, и к оперированию с ними в рамках сигнатуры нечетких множеств, дает практические преимущества. Причем главным из преимуществ является получение конечного результата при даже малом наборе исходных данных, имеющем место из-за стоимостных и (или) временных ограничений на получение и преобразование информации [1,4].
В большинстве задач оценки безопасности систем приведенный параметрический запас безопасности может варьировать в пределах от –2,0 до +2,0. При этом рассматривается нормальная или гауссова аппроксимация параметров воздействия и восприимчивости. И важно показать и сопоставить значения вероятностной и возможностной мер как гипотетически точной и приближенной величины меры определенности возникновения происшествия. Результаты расчета значений этих мер на основании зависимостей (26,28,33) представлены в Таблице 3.
Таблица 3. Расчетные значения вероятностной и возможностной (нечеткой) мер реализации происшествия в функции от параметрического запаса безопасности
zb i
| – 2,0
| – 1,0
| – 0,5
| – 0,25
|
| 0,25
| 0,5
| 1,0
| 2,0
| Pro (∙)
| 0,997
| 0,903
| 0,75
| 0,64
| 0,5
| 0,36
| 0,25
| 0,07
| 0,003
| Pos(∙)
| 1,0
| 1,0
| 1,0
| 1,0
| 1,0
| 0,81
| 0,50
| 0,03
| 10 – 5
|
|
|
|
|
|
|
|
|
|
| zb i
|
| 0,5
| 0,6
| 0,7
| 0,9
| 1,0
| 1,2
| 1,5
| 2,0
| Pro (∙)
| 0,5
| 0,25
| 0,19
| 0,15
| 0,10
| 0,07
| 0,05
| 0,02
| 0,003
| Pos(∙)
| 1,0
| 0,50
| 0,17
| 0,14
| 0,06
| 0,03
| 0,02
| 0,002
| 10 – 5
|
В «грубом» приближении, при допущении о линейной аппроксимации нечетких параметров (в наименееинформативном варианте их получения) справедлива зависимость
p Li = 1 –`zb, (34)
Где, см. формулу (30), `zb – приведенный параметрический запас безопасности
`zb = (`r –`s )/(Dr +Ds) , (35)
в котором`rи`s – соответственно, «ядра» нечетких параметров восприимчивости r и воздействия s ; а Dr и Ds – «интервалы размытости» нечетких параметров восприимчивости r и воздействия s.
Зависимости (34, 35) применяют для ускоренной экспресс оценки показателей безопасности системы.
Не нашли, что искали? Воспользуйтесь поиском по сайту:
©2015 - 2024 stydopedia.ru Все материалы защищены законодательством РФ.
|