对数正态分布贝叶斯更新方法比较研究.docxVIP

对数正态分布贝叶斯更新方法比较研究 　　摘要设备可靠性数据是psa定量化分析的基础，对于可靠性数据，一般分为通用数据和电厂的特定数据。由于两种数据在应用中均存在一定的缺陷，现在通用的做法是将通用数据作为先验数据，然后结合电厂的特定数据贝叶斯更新得到后验分布在psa模型中使用。在操作实践中，发现对数正态分布的通用数据，在进行后期的贝叶斯拟合时存在一定的困难。在工程实践上，一般将其转化为gamma或beta分布再进行处理，并形成了几种成熟的解决方案。本文对对数正态分布转化为gamma分布的几种方法做了比较研究，并简述其差异和特性。 　　关键词贝叶斯方法;psa;gamma分布;beta分布;对数正态分布 　　0前言 　　随着psa技术在核电厂广泛的推广，psa的应用也逐渐地深入，这就对作为psa技术基础的可靠性数据工作提出了更高的要求。现阶段，国内各个电厂一级psa模型基本已开发完毕，随着电厂运行时间的积累，势必伴随着电厂的变更改造和设备可靠性数据的更新。电厂的变更改造是对模型结构的修改，而设备可靠性数据的更新即是对模型中数据的修改，通过这一过程，保证模型反映电厂实际，这也就是所谓的livingpsa。psa技术发展至今，针对数据的处理方法基本上有三种思路。第一种是采用国际上已发布的同型电厂通用数据，现在主流的就是美系的nureg-6928、法系的eps-900数据源，此外我国国家核安全局在国内机组运行数据统计的基础上，于2016年发布了我们自己的通用数据;第二种是使用核电厂自己的运行数据做经典估计。对于第一种方法，同型电厂与自身电厂不可避免的存在差异，所以直接使用通用数据并不能完全反映特定电厂的所有特征。对于第二种方法，由于在最初阶段电厂的运行时间并不长，并且核电厂设备的可靠性一般较高，所以收集到的可靠性数据较少，往往是没有数据，使用经典估计存在着困难。最好的方法就是将第一种与第二种方法结合起来，这也就是在可靠性数据处理中最常用的贝叶斯方法。在这种方法中，将通用数据作为先验数据，将电厂收集到数据作为特定数据，然后应用贝叶斯公式进行拟合，使得到的后验数据同时包括了两方面的特征。 　　使用贝叶斯方法时需将数据的先验分布通过贝叶斯定理转化为后验分布。在贝叶斯处理中，存在一种共轭分布的现象，就是对于既定的样本数据的分布，存在一种先验分布函数，使得后验分布函数和先验分布函数同属于一个分布族。对于运行失效来说，这个分布是gamma分布，对于需求失效而言，为beta分布。对于gamma和beta分布，其通过贝叶斯转化之后仍为gamma和beta分布，可以说处理起来是非常方便的。但很多的数据源，如法国edf、epri的数据，假设失效率的先验分布是对数正态分布，对于这样的数据，在贝叶斯转化时存在一定困难。 　　本文在总结贝叶斯处理方法和原理的基础上，对对数正态分布的先验数据贝叶斯拟合的几种主要方法做比较研究，并分析其优劣。 　　1可靠性数据的三种典型分布 　　由定义可以看出，部件运行失效的概率服从泊松分布，λ是泊松分布的参数。而泊松分布的共轭分布是gamma分布，所以对于运行失效率，常以gamma分布来表示。 　　由定义可以看出，需求失效概率p服从二项分布，而二项分布的共轭分布是beta分布，所以需求失效常以beta分布来表示。 　　此外，在可靠性和维修性方面，随机变量的对数可能符合正态分布，对此情况在可靠性数据的统计分析中也常应用对数正态分布。 　　1.1gamma分布 　　gamma分布因其概率密度函数很像gamma函数定义中积分号内的被积部分而得名。对于x服从形状参数为α，尺度参数为β的gamma分布，我们记为： 　　因其在数学上处理方便，且有两个参数α，β的调节，适应范围很广，所以工程上常常将运行失效率的分布假设为gamma分布，如美国所做的柴油发电机可靠性分析、iaea-tecdoc-478中收集的瑞典可靠性数据[1]。在意义上，gamma分布可看作是泊松分布参数（单位时间内随机事件发生率）的概率分布，且泊松分布的共轭分布即为gamma分布。 　　1.2beta分布 　　1.3对数正态分布 　　对数正态分布有如下特点。 　　对数正態分布是自变量取对数时，其故障密度函数符合正态分布的一种偏态性概率分布。它的故障率基本属于递增型的，但递增的速度是变化的，先快后慢然后趋于平缓。对数变换可将较大的数缩小为较小的数，且越大的数缩小的越多，这一特性可以使较为分散的数据通过对数变换相对的集中起来，所以常把跨几个数量级的数据用对数分布去拟合。在机械零件及材料的疲劳寿命中，对数正态分布应用的较多。在核电厂设备可靠性参数、