Общая классификация методов оценки риска.
Анализ риска включает качественное и количественное описание причин и следствий того или иного нежелательного события. Методология анализа риска подразделяется на 3 категории:
1. Общие методы оценки риска;
2. Методы системного анализа;
3. Методы Монте-Карло.
В первом чаще применяют метод Делфи, а также метод «дерево причин-следствий». Байесовские процедуры, общие статические методы, общие вероятностные методы и
методы мат. моделир-я. Методы Делфи состоят из получения точек зрения нескольких экспертов по одному и тому же вопросу. Чем большее количество экспертов участвует в анализе проблемы, тем выше точность прогноза. Эти методы используют при определении начального риска, при оценке вероятности нежелательного события, при общем описании риска и при окончательной оценке последствий.
Методы ДПС используют процесс последовательной экспертизы и вычисления уровня риска для оценки и сравнения рисков событий с историческими стандартами и аналогами. Обычно в процессе построения ДПС получают следующие виды информации:
Событие: курение 1-4 сигареты в день . Следствие: рак.
Байесовские (общестатические) методы используют аналитические преобразования экспериментальных(эмпирических) данных для получения оценки текущего риска, т.е. по сути оно состоит в трансформации исторических данных к системам, похожим на ту, которая оценивается на данный момент времени. Однако если они более или менее сопоставимы, то такими методами допустимо пользоваться.
|
|
|
Все уровни риска могут быть оценены при мат. мод. Физических, геофизических процессов, исходя из принципа «что будет, если» (ЧБЕ).
Методология Монте-Карло для оценки риска.
Стохастическое моделирование представляет собой системную методологию, представляющую результат ряда взаимодействий предполагающих случайный характер. Процесс моделирования развивается как ряд вынужденных случайных выборов, охватывающих весь временной период и возрастающих по времени. Эти методы используются для математической оценки трудно управляемых вероятностных отношений.
Если все независимые входы даны на диаграмме дерева ошибок как случайные вероятностные оценки, тогда единственный путь оценки вероятности нежелательного события – это методология Монте-Карло.
Основа методологии Монте-Карло:
E=m*a для – для расчета сил. Допустим, мы хотим знать как переменная сила будет изменяться за период времени, в котором мы имеем случайный набор ускорений, т.е. А ≠ const.
A = x1(t1)
A = x2(t2)
Эти ускорения от совокупного своего набора могут быть представлены как функции от распределения или кумулятивная оценочная функция (cdf). Ее вид показан на рисунке 3. Мы должны взять все возможные значения ускорений, смешать и изобразить их в случайной форме. Затем, после того, как мы выбрали случайное ускорение мы подсчитаем силу, действующую при каждом выборе величины ускорения. Далее на базе этой процедуры составляем вероятностную оценку величины силы.
|
|
|
F = ( F 1 … Fn )
Для рассмотренного случая оценка значения силы будет просто оценкой величины ускорения. Т.о. мы осуществляем жеребьевку, выбор ускорения как случайной величины. При формировании обобщенной функции распределения некоторой величины в методе Монте-Карло учитывают самокорелляцию и пекрестную корреляцию. Предположим, что ускорения могут изменяться в течении определенного периода времени. После случайно выбранного ускорения последующее его значение будет ограничиваться начальным выбором как результат физических ограничений. Например, имеется интервал вариаций; такое ограничение обычно представляют как самокоррелирующий коэффициент.
В качестве переменной может выступать масса. При этом известна максимальная величина силы. Последнее ограничение будет распределяться и на выбор масс. Только небольшие массы могут взаимодействовать со всем набором значений ускорений, в то время как значительные массы могут взаимодействовать с более низкими значениями ускорений. Такое взаимодействие двух переменных выражается как фактор перекрестной
корреляции, определенные ограничения накладываются как на изображений ускорений так и на взаимодействующие массы.
Дата добавления: 2019-02-13; просмотров: 1677; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!