一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法及介质

阅读：评论：0

1.本发明涉及临时看台安全评估领域，具体是一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法及介质。

背景技术：

2.临时看台在各类演艺活动、运动会中发挥着重要作用，然而，在为人们提供便利的同时，时有发生的倾覆、坍塌等安全事故也在威胁着其正常运营。
3.开展临时看台结构安全评估可以提前预测看台安全事故的发生概率，以便及早采取相应措施进行防护，从而为临时看台的安全运维提供保障。基于概率论的评估方法可对临时看台安全性进行定量评估分析(如贝叶斯网络、概率评估法等)，但其前提条件是需要定量确定导致安全事故的致险因子发生概率。根据现有的工程经验可知，导致临时看台安全事故的致险因子大致可分三类，包括人为致险因子(人跳跃、人拥挤等)、环境致险因子(强风、低温等)、结构致险因子(构件初始缺陷、装配误差等)等，这些致险因子在一定程度上增大了临时看台风险事件的发生概率。
4.然而，由于现阶段对临时看台既有安全事故缺乏系统地调查，以及相关事故统计资料的缺失，临时看台安全事故致险因子的发生概率往往是人为直接给定的，其主观性较强，难以反映真实状况。因此，如何基于既有的专家工程经验和安全事故资料，较为客观的定量确定安全事故的致险因子概率值，对临时看台结构的安全评估具有重要意义。

技术实现要素：

5.本发明的目的是提出一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，包括以下步骤：
6.1)确定典型临时看台安全事故致险因子；
7.2)获取临时看台安全事故致险因子发生概率的若干预测结果；
8.3)针对致险因子的模糊性问题，引入模糊理论，对每个致险因子的发生概率预测结果进行量化，得到若干致险因子发生可能性大小；
9.4)利用加权平均方式综合所有致险因子发生可能性大小，得到致险因子发生可能性的加权平均λ截集；
10.5)利用lion积分值法对致险因子发生可能性的加权平均λ截集进行解模糊处理，从而预测出致险因子的发生概率。
11.进一步，所述典型临时看台安全事故致险因子包括强风、地基积水、地质情况勘察不足、地基处理不合理、人跳跃活动、人密度过大、构件初始几何缺陷、连接不合理、装配误差、构件尺寸偏差和温度过低中的一个或多个。
12.进一步，所述临时看台安全事故致险因子发生概率的预测结果基于专家经验获得。
13.进一步，所述临时看台安全事故致险因子发生概率的预测结果包括很低、低、较低、中等、较高、高、很高。
14.进一步，步骤3)中，利用不同模糊语言对应的三角模糊数λ截集对致险因子的发生概率评估结果进行量化；
15.所述三角模糊数m＝(a,b,c)的隶属度函数μm如下所示：
[0016][0017]
式中，x为模糊数。
[0018]
进一步，所述三角模糊数m＝(a,b,c)的λ截集如下所示：
[0019]mλ
＝[(b-a)λ+a,(b-c)λ+c]
ꢀꢀꢀꢀꢀ
(2)
[0020]
式中，参数λ∈[0,1]。
[0021]
进一步，所述临时看台安全事故致险因子发生概率的预测结果与三角模糊数的λ截集m
λ
之间的对应关系如下所示：
[0022]
当临时看台安全事故致险因子发生概率的预测结果为“很低”时，三角模糊数的λ截集m
λ
＝[0,-0.025λ+0.025]；
[0023]
当临时看台安全事故致险因子发生概率的预测结果为“低”时，三角模糊数的λ截集m
λ
＝[0.025λ,-0.025λ+0.05]；
[0024]
当临时看台安全事故致险因子发生概率的预测结果为“较低”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.025,-0.0375λ+0.1]；
[0025]
当临时看台安全事故致险因子发生概率的预测结果为“中等”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.075,-0.025λ+0.125]；
[0026]
当专家对某一致险因子发生概率的判断结果为“较高”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.1,-0.0375λ+0.175]；
[0027]
当临时看台安全事故致险因子发生概率的预测结果为“高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.15,-0.025λ+0.2]；
[0028]
当临时看台安全事故致险因子发生概率的预测结果为“很高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.175,0.2]。
[0029]
进一步，综合多位专家评估结果的第i个致险因子ai的加权平均λ截集如下所示：
[0030][0031]
式中，aj、分别为第j位专家的权重和对致险因子ai评估的λ截集；
[0032]
进一步，致险因子的发生概率如下所示：
[0033]
[0034]
式中，α为乐观系数，α∈[0,1]，当α＝0或1时，分别对应模糊数解模糊化值的上下界；α＝0.5，为模糊数解模糊化值的代表值；和分别为模糊数左右隶属函数反函数的积分值；
[0035]
其中，积分值和积分值分别如下所示：
[0036][0037][0038]
式中，分别为加权平均λ截集的上、下界，λ＝0,0.1,0.2,
···
,1；δλ＝0.1。
[0039]
一种计算机可读存储介质，所述计算机可读介质存储有计算机程序；
[0040]
所述计算机程序被处理器执行时，实现上述方法的步骤。
[0041]
本发明的技术效果是显著的。本发明详细介绍了如何利用模糊理论和专家经验来预测临时看台安全事故致险因子的发生概率，克服了基于概率论的不确定性推理方法对先验知识要求过于苛刻的固有缺陷，为贝叶斯网络理论、概率评估法等模型在临时看台结构安全评估的应用奠定了基础，对于临时看台的安全运维具有工程意义。
附图说明
[0042]
图1为临时看台安全事故致险因子发生概率预测方法的技术路线图；
[0043]
图2为三角模糊数m＝(a,b,c)的λ截集示意图；
[0044]
图3为不同模糊语言的隶属度函数；
[0045]
图4为致险因子a1发生概率的计算流程。
具体实施方式
[0046]
下面结合实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。
[0047]
实施例1：
[0048]
参见图1至图4，一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，包括以下步骤：
[0049]
1)确定典型临时看台安全事故致险因子；
[0050]
2)获取临时看台安全事故致险因子发生概率的若干预测结果；
[0051]
3)针对致险因子的模糊性问题，引入模糊理论，对每个致险因子的发生概率预测结果进行量化，得到若干致险因子发生可能性大小；
[0052]
4)利用加权平均方式综合所有致险因子发生可能性大小，得到致险因子发生可能性的加权平均λ截集；
[0053]
5)利用lion积分值法对致险因子发生可能性的加权平均λ截集进行解模糊处理，从而预测出致险因子的发生概率。
[0054]
所述典型临时看台安全事故致险因子包括强风、地基积水、地质情况勘察不足、地基处理不合理、人跳跃活动、人密度过大、构件初始几何缺陷、连接不合理、装配误差、构件尺寸偏差和温度过低中的一个或多个。
[0055]
所述临时看台安全事故致险因子发生概率的预测结果基于专家经验获得。
[0056]
所述临时看台安全事故致险因子发生概率的预测结果包括很低、低、较低、中等、较高、高、很高。
[0057]
步骤3)中，利用不同模糊语言对应的三角模糊数λ截集对致险因子的发生概率评估结果进行量化；
[0058]
所述三角模糊数m＝(a,b,c)的隶属度函数μm如下所示：
[0059][0060]
式中，x为模糊数。
[0061]
所述三角模糊数m＝(a,b,c)的λ截集如下所示：
[0062]mλ
＝[(b-a)λ+a,(b-c)λ+c]
ꢀꢀꢀꢀꢀꢀ
(2)
[0063]
式中，参数λ∈[0,1]。
[0064]
所述临时看台安全事故致险因子发生概率的预测结果与三角模糊数的λ截集m
λ
之间的对应关系如下所示：
[0065]
当临时看台安全事故致险因子发生概率的预测结果为“很低”时，三角模糊数的λ截集m
λ
＝[0,-0.025λ+0.025]；
[0066]
当临时看台安全事故致险因子发生概率的预测结果为“低”时，三角模糊数的λ截集m
λ
＝[0.025λ,-0.025λ+0.05]；
[0067]
当临时看台安全事故致险因子发生概率的预测结果为“较低”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.025,-0.0375λ+0.1]；
[0068]
当临时看台安全事故致险因子发生概率的预测结果为“中等”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.075,-0.025λ+0.125]；
[0069]
当专家对某一致险因子发生概率的判断结果为“较高”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.1,-0.0375λ+0.175]；
[0070]
当临时看台安全事故致险因子发生概率的预测结果为“高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.15,-0.025λ+0.2]；
[0071]
当临时看台安全事故致险因子发生概率的预测结果为“很高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.175,0.2]。
[0072]
综合多位专家评估结果的第i个致险因子ai的加权平均λ截集如下所示：
[0073]
[0074]
式中，aj、分别为第j位专家的权重和对致险因子ai评估的λ截集；
[0075]
致险因子的发生概率如下所示：
[0076][0077]
式中，α为乐观系数，α∈[0,1]，当α＝0或1时，分别对应模糊数解模糊化值的上下界；α＝0.5，为模糊数解模糊化值的代表值；和分别为模糊数左右隶属函数反函数的积分值；
[0078]
其中，积分值和积分值分别如下所示：
[0079][0080][0081]
式中，分别为加权平均λ截集的上、下界，λ＝0,0.1,0.2,
···
,1；δλ＝0.1。
[0082]
一种计算机可读存储介质，所述计算机可读介质存储有计算机程序；
[0083]
所述计算机程序被处理器执行时，实现上述方法的步骤。
[0084]
实施例2：
[0085]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，包括以下步骤：
[0086]
1)确定典型临时看台安全事故致险因子；
[0087]
2)获取临时看台安全事故致险因子发生概率的若干预测结果；
[0088]
3)针对致险因子的模糊性问题，引入模糊理论，对每个致险因子的发生概率预测结果进行量化，得到若干致险因子发生可能性大小；
[0089]
4)利用加权平均方式综合所有致险因子发生可能性大小，得到致险因子发生可能性的加权平均λ截集；
[0090]
5)利用lion积分值法对致险因子发生可能性的加权平均λ截集进行解模糊处理，从而预测出致险因子的发生概率。
[0091]
实施例3：
[0092]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例2，其中，所述典型临时看台安全事故致险因子包括强风、地基积水、地质情况勘察不足、地基处理不合理、人跳跃活动、人密度过大、构件初始几何缺陷、连接不合理、装配误差、构件尺寸偏差和温度过低中的一个或多个。
[0093]
实施例4：
[0094]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例2，其中，所述临时看台安全事故致险因子发生概率的预测结果基于专家经验获得。
[0095]
实施例5：
[0096]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例2，其中，所述临时看台安全事故致险因子发生概率的预测结果包括很低、低、较低、中等、较高、高、很高。
[0097]
实施例6：
[0098]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例2，其中，步骤3)中，利用不同模糊语言对应的三角模糊数λ截集对致险因子的发生概率评估结果进行量化；
[0099]
所述三角模糊数m＝(a,b,c)的隶属度函数μm如下所示：
[0100][0101]
式中，x为模糊数。
[0102]
实施例7：
[0103]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例6，其中，所述三角模糊数m＝(a,b,c)的λ截集如下所示：
[0104]mλ
＝[(b-a)λ+a,(b-c)λ+c]
ꢀꢀꢀꢀꢀꢀ
(1)
[0105]
式中，参数λ∈[0,1]。
[0106]
实施例8：
[0107]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例2，其中，所述临时看台安全事故致险因子发生概率的预测结果与三角模糊数的λ截集m
λ
之间的对应关系如下所示：
[0108]
当临时看台安全事故致险因子发生概率的预测结果为“很低”时，三角模糊数的λ截集m
λ
＝[0,-0.025λ+0.025]；
[0109]
当临时看台安全事故致险因子发生概率的预测结果为“低”时，三角模糊数的λ截集m
λ
＝[0.025λ,-0.025λ+0.05]；
[0110]
当临时看台安全事故致险因子发生概率的预测结果为“较低”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.025,-0.0375λ+0.1]；
[0111]
当临时看台安全事故致险因子发生概率的预测结果为“中等”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.075,-0.025λ+0.125]；
[0112]
当专家对某一致险因子发生概率的判断结果为“较高”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.1,-0.0375λ+0.175]；
[0113]
当临时看台安全事故致险因子发生概率的预测结果为“高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.15,-0.025λ+0.2]；
[0114]
当临时看台安全事故致险因子发生概率的预测结果为“很高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.175,0.2]。
[0115]
实施例9：
[0116]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见
实施例2，其中，综合多位专家评估结果的第i个致险因子ai的加权平均λ截集如下所示：
[0117][0118]
式中，aj、分别为第j位专家的权重和对致险因子ai评估的λ截集；
[0119]
实施例10：
[0120]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例2，其中，致险因子的发生概率i
ai
如下所示：
[0121][0122]
式中，α为乐观系数，α∈[0,1]，当α＝0或1时，分别对应模糊数解模糊化值的上下界；α＝0.5，为模糊数解模糊化值的代表值；和分别为模糊数左右隶属函数反函数的积分值；
[0123]
其中，积分值和积分值分别如下所示：
[0124][0125][0126]
式中，分别为加权平均λ截集的上、下界，λ＝0,0.1,0.2,
···
,1；δλ＝0.1。
[0127]
实施例11：
[0128]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例2，其中，一种计算机可读存储介质，所述计算机可读介质存储有计算机程序；
[0129]
所述计算机程序被处理器执行时，实现上述方法的步骤。
[0130]
实施例12：
[0131]
参见图1至图4，一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，包括以下步骤：
[0132]
1)确定临时看台安全事故的致险因子
[0133]
本发明首先在查阅资料和咨询专家的基础上确定了11个典型临时看台安全事故致险因子，分别为：强风(a1)、地基积水(a2)、地质情况勘察不足(a3)、地基处理不合理(a4)、人跳跃活动(a5)、人密度过大(a6)、构件初始几何缺陷(a7)、连接不合理(a8)、装配误差(a9)、构件尺寸偏差(a
10
)和温度过低(a
11
)。
[0134]
2)利用模糊理论量化临时看台安全事故致险因子
[0135]
2.1)确定模糊数形式
[0136]
模糊数包含三角模糊数、梯形模糊数、正态模糊数等多种形式。三角模糊数具有处理方便、代数运算容易的特点，故本发明采用三角模糊数表示致险因子发生的概率。三角模糊数m＝(a,b,c)的隶属度函数为：
[0137][0138]
2.2)计算三角模糊数m＝(a,b,c)的λ截集
[0139]
任取λ∈[0,1]，则m
λ
为m的λ截集。三角模糊数m＝(a,b,c)的λ截集可表示为：
[0140][0141]
2.3)计算各模糊数所对应的λ截集
[0142]
为了将专家对致险因子发生概率的判断结果与模糊数联系，引入“很低”(vl)、“低”(l)、“较低”(pl)、“中等”(m)、“较高”(ph)、“高”(h)、“很高”(vh)7种模糊语言，不同模糊语言与λ截集m
λ
之间的对应关系如下所示：
[0143]
当专家对某一致险因子发生概率的评估结果为“很低”时，三角模糊数的λ截集m
λ
＝[0,-0.025λ+0.025]；
[0144]
当专家对某一致险因子发生概率的判断结果为“低”时，三角模糊数的λ截集m
λ
＝[0.025λ,-0.025λ+0.05]；
[0145]
当专家对某一致险因子发生概率的判断结果为“较低”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.025,-0.0375λ+0.1]；
[0146]
当专家对某一致险因子发生概率的判断结果为“中等”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.075,-0.025λ+0.125]；
[0147]
当专家对某一致险因子发生概率的判断结果为“较高”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.1,-0.0375λ+0.175]；
[0148]
当专家对某一致险因子发生概率的判断结果为“高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.15,-0.025λ+0.2]；
[0149]
当专家对某一致险因子发生概率的判断结果为“很高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.175,0.2]。
[0150]
3)组织专家对临时看台各致险因子的发生概率进行评估
[0151]
此处组织了五位在临时看台结构领域有着丰富工程经验的专家，分别采用模糊语言对致险因子ai(i＝1,2,
…
11)的发生概率进行评估，同时基于专业职称和从业经验对五位专家赋予权重值，分别为0.3、0.2、0.2、0.15、0.15，各专家的评估结果如表1所示。
[0152]
4)采用加权平均方式综合专家组的评估结果
[0153]
综合专家组评估结果，对致险因子ai的加权平均λ截集为：
[0154][0155]
式中，aj、分别为第j(j＝1,2,
…
5)位专家的权重和对致险因子ai评估的λ截集；
[0156]
5)预测临时看台安全事故致险因子的发生概率值
[0157]
基于致险因子ai的加权平均λ截集利用lion积分值法计算模糊数的解模糊化值，最终实现对致险因子ai发生概率的预测，具体计算公式为：
[0158][0159]
式中：为模糊数的解模糊化值，即致险因子ai发生概率的预测值。α为乐观系数，α∈[0,1]，当α＝0或1时，分别对应模糊数解模糊化值的上下界；α＝0.5，为模糊数解模糊化值的代表值；和分别为模糊数左右隶属函数反函数的积分值，对于三角模糊数，和用λ截集表示为：
[0160][0161][0162]
式中：分别为加权平均λ截集的上、下界，λ＝0,0.1,0.2,
···
,1；δλ＝0.1。
[0163]
实施例13：
[0164]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，包括以下步骤：
[0165]
1)确定11个典型临时看台安全事故致险因子；
[0166]
2)针对致险因子的模糊性问题，引入模糊理论；
[0167]
3)组织专家对致险因子的发生概率进行评估；
[0168]
4)采用加权平均方式综合专家组的评估结果；
[0169]
5)利用lion积分值法进行解模糊处理，从而预测出致险因子的发生概率。
[0170]
实施例14：
[0171]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例13，其中，所述11个典型临时看台安全事故致险因子包括强风(a1)、地基积水(a2)、地质情况勘察不足(a3)、地基处理不合理(a4)、人跳跃活动(a5)、人密度过大(a6)、构件初始几何缺陷(a7)、连接不合理(a8)、装配误差(a9)、构件尺寸偏差(a
10
)和温度过低(a
11
)。
[0172]
实施例15：
[0173]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例13，其中，所述临时看台安全事故致险因子发生概率的预测结果基于专家经验。
[0174]
实施例16：
[0175]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例13，其中，实施例4所述用于描述临时看台安全事故致险因子发生可能性大小的模糊语言为“很低”、“低”、“较低”、“中等”、“较高”、“高”、“很高”。
[0176]
实施例17：
[0177]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例13，其中，所述引入模糊理论包括引入三角模糊数m＝(a,b,c)。
[0178]
所述三角模糊数m＝(a,b,c)的隶属度函数μm如下所示：
[0179][0180]
式中，x为模糊数。
[0181]
实施例18：
[0182]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例13，其中，所述引入模糊理论包括确定三角模糊数m＝(a,b,c)的λ截集：
[0183]mλ
＝[(b-a)λ+a,(b-c)λ+c](1)
[0184]
式中，参数λ∈[0,1]。
[0185]
实施例19：
[0186]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例13，其中，专家们采用模糊语言对临时看台安全事故致险因子发生概率的评估结果与三角模糊数的λ截集m
λ
之间的对应关系如下所示：
[0187]
当专家对某一致险因子发生概率的评估结果为“很低”时，三角模糊数的λ截集m
λ
＝[0,-0.025λ+0.025]；
[0188]
当专家对某一致险因子发生概率的判断结果为“低”时，三角模糊数的λ截集m
λ
＝[0.025λ,-0.025λ+0.05]；
[0189]
当专家对某一致险因子发生概率的判断结果为“较低”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.025,-0.0375λ+0.1]；
[0190]
当专家对某一致险因子发生概率的判断结果为“中等”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.075,-0.025λ+0.125]；
[0191]
当专家对某一致险因子发生概率的判断结果为“较高”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.1,-0.0375λ+0.175]；
[0192]
当专家对某一致险因子发生概率的判断结果为“高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.15,-0.025λ+0.2]；
[0193]
当专家对某一致险因子发生概率的判断结果为“很高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.175,0.2]。
[0194]
实施例20：
[0195]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例13，其中，所述综合多位专家评估结果的第i个致险因子ai的加权平均λ截集如下所示：
[0196]
[0197]
式中，aj、分别为第j位专家的权重和对致险因子ai评估的λ截集。
[0198]
实施例21：
[0199]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，主要内容见实施例13，其中，所述致险因子发生概率如下所示：
[0200][0201]
式中，为模糊数的解模糊化值，即致险因子ai发生概率的预测值。α为乐观系数，α∈[0,1]，当α＝0或1时，分别对应模糊数解模糊化值的上下界；α＝0.5，为模糊数解模糊化值的代表值；和分别为模糊数左右隶属函数反函数的积分值；
[0202]
其中，积分值和积分值分别如下所示：
[0203][0204][0205]
式中，分别为加权平均λ截集的上、下界，λ＝0,0.1,0.2,
···
,1；δλ＝0.1。
[0206]
实施例22：
[0207]
一种基于实施例1-21所述的基于模糊理论的临时看台安全事故致险因子发生概率预测方法，内容如下：
[0208]
如图1所示为该方法的技术路线图。
[0209]
临时看台结构体系庞大，工作环境复杂，引起看台安全事故的致险因子种类繁多。本发明首先在查阅资料和咨询专家的基础上确定了11个典型临时看台安全事故致险因子，如下表2所示。
[0210]
表2临时看台安全事故致险因子及编码
[0211]
编码致险因子编码致险因子a1强风a7构件初始几何缺陷a2地基积水a8连接不合理a3地质情况勘察不足a9装配误差a4地基处理不合理a
10
构件尺寸偏差a5人跳跃活动a
11
温度过低a6人密度过大
ꢀꢀ
[0212]
受环境、人类活动等各类不确定因素的影响，临时看台安全事故致险因子的发生概率具有很强的模糊性，难以给出一个定量的具体数值。本专利针对致险因子的模糊性问题，引入模糊理论，考虑用模糊数来整合多名专家的先验知识，从而达到预测临时看台致险因子发生概率的目的。模糊数是模糊集理论中的一个基本概念，它能够很好的处理不确定
信息如“一般”，“很差”等。模糊数包含三角模糊数、梯形模糊数、正态模糊数等多种形式。三角模糊数具有处理方便、代数运算容易的特点，故本发明采用三角模糊数表示根节点事件发生的概率。三角模糊数m＝(a,b,c)的隶属度函数为：
[0213][0214]
任取λ∈[0,1]，则m
λ
为m的λ截集。三角模糊数m＝(a,b,c)的λ截集可表示为：
[0215][0216]
其示意图如图2所示。
[0217]
本发明的具体思路为：将不同专家给出的致险因子发生可能性等级用λ截集表达，并采用加权平均的方式进行处理，从而得到致险因子的加权平均λ截集，再把加权后的λ截集利用lion积分值法解模糊，得到解模糊化值的代表值即为临时看台安全事故的致险因子发生概率值。
[0218]
为了将专家对致险因子发生概率的判断结果与模糊数联系，引入“很低(vl)”、“低(l)”、“较低(pl)”、“中等(m)”、“较高(ph)”、“高(h)”和“很高(vh)”7种模糊语言。每个模糊语言与三角模糊数形式以及λ截集对应关系如表3所示。
[0219]
表3模糊语言与相应的三角模糊数形式和λ截集
[0220]
编号模糊语言三角模糊数形式λ截集1很低(vl)m＝(0,0,0.025)m
λ
＝[0,-0.025λ+0.025]2低(l)m＝(0,0.025,0.05)m
λ
＝[0.025λ,-0.025λ+0.05]3较低(pl)m＝(0.025,0.0625,0.1)m
λ
＝[0.0375λ+0.025,-0.0375λ+0.1]4中等(m)m＝(0.075,0.1,0.125)m
λ
＝[0.025λ+0.075,-0.025λ+0.125]5较高(ph)m＝(0.1,0.1375,0.175)m
λ
＝[0.0375λ+0.1,-0.0375λ+0.175]6高(h)m＝(0.15,0.175,0.2)m
λ
＝[0.025λ+0.15,-0.025λ+0.2]7很高(vh)m＝(0.175,0.2,0.2)m
λ
＝[0.025λ+0.175,0.2]
[0221]
不同模糊语言对应的隶属度函数如图3所示。
[0222]
为进一步提高专家评价结果的可靠性，在进行评价时综合考虑了多位专家的评估结果，并且考虑到λ截集存在可运算的属性特征，对多位专家的评估结果采用加权平均的方式进行处理，其表达式如下:
[0223][0224]
式中：为经多位专家评估后致险因子ai的加权平均λ截集，i＝1,2,
…
,11；aj、分别为第j位专家评估结果的权重和对致险因子ai评估的λ截集。
[0225]
根据表3中λ截集和模糊数形式对各位专家的模糊语言描述进行判定，假定第一位
专家基于工程经验采用模糊语言对致险因子ai进行描述，判定其发生概率为“中等”，则可以通过查表3确定其模糊数形式为从而得到基于第一位专家经验的λ截集为按照此方法流程可分别得到其他各位专家对各致险因子ai的评价结果，通过查表3得到相应的λ截集。
[0226]
为了得到致险因子ai的发生概率，进一步需要将各致险因子发生可能性的模糊数转化为具体的数值，这一转化过程称为解模糊。基于lion积分值法，利用λ截集运算对模糊数进行处理，计算公式为:
[0227][0228]
式中：为模糊数的解模糊化值，即致险因子ai的发生概率预测值。α为乐观系数，α∈[0,1]，当α＝0或1时，分别对应模糊数解模糊化值的上下界；α＝0.5，为模糊数解模糊化值的代表值；和分别为模糊数左右隶属函数反函数的积分值，对于三角模糊数，和用λ截集表示为：
[0229][0230][0231]
式中：分别为加权平均λ截集的上、下界，λ＝0,0.1,0.2,
···
,1，δλ＝0.1。
[0232]
此处组织了五位在临时看台结构领域有着丰富工程经验的专家，采用模糊语言分别对各致险因子ai(i＝1,2,
…
11)的发生概率进行评估，同时基于专业职称和从业经验对五位专家赋予权重值，分别为0.3、0.2、0.2、0.15、0.15，各专家的评估结果如表1所示。
[0233]
此处以a1为例，具体说明致险因子发生概率的求解过程(计算流程如图4所示)：
[0234][0235]
[0236][0237][0238]
可以看出，利用模糊理论整合五位专家的工程经验，可以预测出致险因子a1的发生概率为14.87％。同理，可以预测其他各致险因子a2～a
11
的发生概率值，如表4所示：
[0239]
表4致险因子发生概率预测值
[0240]
致险因子发生概率预测值(％)a114.87a25.83a35.83a46.06a57.94a68.22a75.03a85.13a95.22a
10
5.03a
11
2.97
[0241]
实施例23：
[0242]
一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，此方法不受统计数据缺失的限制，可以基于本领域专家的工程经验以及现有的安全事故资料，利用模糊理论对临时看台安全事故致险因子的发生概率进行预测，从而为临时看台结构的安全评估奠定基础。
[0243]
此方法包括以下步骤：
[0244]
1)确定临时看台安全事故的致险因子
[0245]
本发明首先在查阅资料和咨询专家的基础上确定了11个典型临时看台安全事故致险因子，分别为：强风(a1)、地基积水(a2)、地质情况勘察不足(a3)、地基处理不合理(a4)、人跳跃活动(a5)、人密度过大(a6)、构件初始几何缺陷(a7)、连接不合理(a8)、装配误差(a9)、构件尺寸偏差(a
10
)和温度过低(a
11
)。
[0246]
2)利用模糊理论量化临时看台安全事故致险因子
[0247]
2.1)确定模糊数形式
[0248]
模糊数包含三角模糊数、梯形模糊数、正态模糊数等多种形式。三角模糊数具有处理方便、代数运算容易的特点，故本发明采用三角模糊数表示根节点事件发生的概率。三角模糊数m＝(a,b,c)的隶属度函数为：
[0249][0250]
2.2)计算三角模糊数m＝(a,b,c)的λ截集
[0251]
任取λ∈[0,1]，则m
λ
为m的λ截集。三角模糊数m＝(a,b,c)的λ截集可表示为：
[0252][0253]
2.3)计算各模糊数所对应的λ截集
[0254]
为了将专家对致险因子发生概率的判断结果与模糊数联系，引入“很低”(vl)、“低”(l)、“较低”(pl)、“中等”(m)、“较高”(ph)、“高”(h)、“很高”(vh)7种模糊语言，不同模糊语言与λ截集m
λ
之间的对应关系如下所示：
[0255]
当专家对某一致险因子发生概率的评估结果为“很低”时，三角模糊数的λ截集m
λ
＝[0,-0.025λ+0.025]；
[0256]
当专家对某一致险因子发生概率的判断结果为“低”时，三角模糊数的λ截集m
λ
＝[0.025λ,-0.025λ+0.05]；
[0257]
当专家对某一致险因子发生概率的判断结果为“较低”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.025,-0.0375λ+0.1]；
[0258]
当专家对某一致险因子发生概率的判断结果为“中等”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.075,-0.025λ+0.125]；
[0259]
当专家对某一致险因子发生概率的判断结果为“较高”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.1,-0.0375λ+0.175]；
[0260]
当专家对某一致险因子发生概率的判断结果为“高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.15,-0.025λ+0.2]；
[0261]
当专家对某一致险因子发生概率的判断结果为“很高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.175,0.2]。
[0262]
3)组织专家对临时看台各致险因子的发生概率进行评估
[0263]
此处组织了五位在临时看台结构领域有着丰富工程经验的专家，采用模糊语言分别对各致险因子ai(i＝1,2,
…
11)的发生概率进行评估，同时基于专业职称和从业经验对五位专家赋予权重值，分别为0.3、0.2、0.2、0.15、0.15，各专家的评估结果如表1所示：
[0264]
表1专家评估结果
[0265]
致险因子专家1专家2专家3专家4专家5a1hvhphphpla2plplmlpla3plmplplla4plmmlvl
a5mmpllma6plplmmpha7mplllvla8plmpllvla9mvllplpla
10
mpllvlla
11
lvllplvl
[0266]
4)采用加权平均方式综合专家组的评估结果
[0267]
综合专家组评估结果，对致险因子ai的加权平均λ截集为：
[0268][0269]
式中，aj、分别为第j(j＝1,2,
…
5)位专家的权重和对致险因子ai评估的λ截集；
[0270]
5)预测临时看台致险因子的发生概率值
[0271]
基于致险因子ai的加权平均λ截集利用lion积分值法计算模糊数的解模糊化值，最终实现对致险因子ai发生概率的预测，具体计算公式为：
[0272][0273]
式中：为模糊数的解模糊化值，即致险因子ai发生概率的预测值。α为乐观系数，α∈[0,1]，当α＝0或1时，分别对应模糊数解模糊化值的上下界；α＝0.5，为模糊数解模糊化值的代表值；和分别为模糊数左右隶属函数反函数的积分值，对于三角模糊数，和用λ截集表示为：
[0274][0275][0276]
式中：分别为加权平均λ截集的上、下界，λ＝0,0.1,0.2,
···
,1；δλ＝0.1。
[0277]
实施例24：
[0278]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，包括临时看台安全事故致险因子发生概率判断结果获取模块、发生概率等级量化模块、量化结果处理模块和致险因子发生概率计算模块；
[0279]
所述临时看台安全事故致险因子评价等级获取模块获取若干临时看台安全事故致险因子发生概率的判断结果，并输入到发生概率等级量化模块中；
[0280]
所述临时看台安全事故致险因子包括强风、地基积水、地质情况勘察不足、地基处理不合理、人跳跃活动、人密度过大、构件初始几何缺陷、连接不合理、构件尺寸偏差和
温度过低。
[0281]
所述临时看台安全事故致险因子发生概率的判断结果通过问卷形式获得。
[0282]
所述临时看台安全事故致险因子发生概率的判断结果包括非常低、低、偏低、中等、偏高、高、非常高。
[0283]
所述发生概率等级量化模块利用模糊数对临时看台安全事故致险因子发生概率的判断结果进行量化，得到判断结果对应的三角模糊数λ截集m
λ
，并输入到量化结果处理模块中；
[0284]
所述发生概率等级量化模块利用三角模糊数对临时看台安全事故致险因子发生概率的判断结果进行量化；
[0285]
所述三角模糊数的隶属度函数μm如下所示：
[0286][0287]
式中，x为输入；m＝(a,b,c)为三角模糊数。
[0288]
所述三角模糊数m的λ截集如下所示：
[0289]mλ
＝[(b-a)λ+a,(b-c)λ+c]
ꢀꢀꢀꢀꢀꢀꢀ
(2)
[0290]
式中，参数λ∈[0,1]。
[0291]
临时看台安全事故致险因子发生概率的判断结果与三角模糊数λ截集m
λ
的对应关系如下所示：
[0292]
当临时看台安全事故致险因子发生概率的判断结果为非常低时，三角模糊数的λ截集m
λ
＝[0,-0.025λ+0.025]；参数λ∈[0,1]；
[0293]
当临时看台安全事故致险因子发生概率的判断结果为低时，三角模糊数的λ截集m
λ
＝[0.025λ,-0.025λ+0.05]；
[0294]
当临时看台安全事故致险因子发生概率的判断结果为偏低时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.025,-0.0375λ+0.1]；
[0295]
当临时看台安全事故致险因子发生概率的判断结果为中等时，三角模糊数的λ截集m
λ
＝[0.025λ+0.075,-0.025λ+0.125]；
[0296]
当临时看台安全事故致险因子发生概率的判断结果为偏高时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.1,-0.0375λ+0.175]；
[0297]
当临时看台安全事故致险因子发生概率的判断结果为高时，三角模糊数的λ截集m
λ
＝[0.025λ+0.15,-0.025λ+0.2]；
[0298]
当临时看台安全事故致险因子发生概率的判断结果为非常高时，三角模糊数的λ截集m
λ
＝[0.025λ+0.175,0.2]。
[0299]
所述量化结果处理模块对所有判断结果对应的三角模糊数λ截集m
λ
进行处理，得到致险因子的加权平均λ截集，并输入到致险因子发生概率计算模块中；
[0300]
第i个致险因子ai的加权平均λ截集如下所示：
[0301][0302]
式中，aj、分别为第j个判断结果的权重和对致险因子ai评估的λ截集；为加权平均λ截集元素的上、下界。
[0303]
所述致险因子发生概率计算模块对致险因子的加权平均λ截集进行处理，计算得到致险因子发生概率。
[0304]
所述致险因子发生概率如下所示：
[0305][0306]
式中，α为乐观系数，α∈[0,1]，当α＝0或1时，分别对应模糊数解模糊化值的上下界；α＝0.5，为模糊数解模糊化值的代表值；和分别为模糊数左右隶属函数反函数的积分值；
[0307]
其中，积分值和积分值分别如下所示：
[0308][0309][0310]
式中，分别为加权平均λ截集的上、下界，λ＝0,0.1,0.2,
···
,1；δλ＝0.1。
[0311]
该系统还包括用于显示致险因子发生概率的结果显示模块。
[0312]
实施例25：
[0313]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，包括临时看台安全事故致险因子发生概率判断结果获取模块、发生概率等级量化模块、量化结果处理模块和致险因子发生概率计算模块；
[0314]
所述临时看台安全事故致险因子评价等级获取模块获取若干临时看台安全事故致险因子发生概率的判断结果，并输入到发生概率等级量化模块中；
[0315]
所述发生概率等级量化模块利用模糊数对临时看台安全事故致险因子发生概率的判断结果进行量化，得到判断结果对应的三角模糊数λ截集m
λ
，并输入到量化结果处理模块中；
[0316]
所述量化结果处理模块对所有判断结果对应的三角模糊数λ截集m
λ
进行处理，得到致险因子的加权平均λ截集，并输入到致险因子发生概率计算模块中；
[0317]
所述致险因子发生概率计算模块对致险因子的加权平均λ截集进行处理，计算得到致险因子发生概率。
[0318]
实施例26：
[0319]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，主要内容见实施例25，其中，所述临时看台安全事故致险因子包括强风、地基积水、地质情况勘察不足、
地基处理不合理、人跳跃活动、人密度过大、构件初始几何缺陷、连接不合理、构件尺寸偏差和温度过低。
[0320]
实施例27：
[0321]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，主要内容见实施例25，其中，所述临时看台安全事故致险因子发生概率的判断结果通过问卷形式获得。
[0322]
实施例28：
[0323]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，主要内容见实施例25，其中，所述临时看台安全事故致险因子发生概率的判断结果包括非常低、低、偏低、中等、偏高、高、非常高。
[0324]
实施例29：
[0325]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，主要内容见实施例25，其中，所述发生概率等级量化模块利用三角模糊数对临时看台安全事故致险因子发生概率的判断结果进行量化；
[0326]
所述三角模糊数的隶属度函数μm如下所示：
[0327][0328]
式中，x为输入；m＝(a,b,c)为三角模糊数。
[0329]
实施例30：
[0330]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，主要内容见实施例29，其中，所述三角模糊数m的λ截集如下所示：
[0331]mλ
＝[(b-a)λ+a,(b-c)λ+c]
ꢀꢀꢀꢀ
(1)
[0332]
式中，参数λ∈[0,1]。
[0333]
实施例31：
[0334]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，主要内容见实施例25，其中，临时看台安全事故致险因子发生概率的判断结果与三角模糊数λ截集m
λ
的对应关系如下所示：
[0335]
当临时看台安全事故致险因子发生概率的判断结果为非常低时，三角模糊数的λ截集m
λ
＝[0,-0.025λ+0.025]；参数λ∈[0,1]；
[0336]
当临时看台安全事故致险因子发生概率的判断结果为低时，三角模糊数的λ截集m
λ
＝[0.025λ,-0.025λ+0.05]；
[0337]
当临时看台安全事故致险因子发生概率的判断结果为偏低时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.025,-0.0375λ+0.1]；
[0338]
当临时看台安全事故致险因子发生概率的判断结果为中等时，三角模糊数的λ截集m
λ
＝[0.025λ+0.075,-0.025λ+0.125]；
[0339]
当临时看台安全事故致险因子发生概率的判断结果为偏高时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.1,-0.0375λ+0.175]；
[0340]
当临时看台安全事故致险因子发生概率的判断结果为高时，三角模糊数的λ截集m
λ
＝[0.025λ+0.15,-0.025λ+0.2]；
[0341]
当临时看台安全事故致险因子发生概率的判断结果为非常高时，三角模糊数的λ截集m
λ
＝[0.025λ+0.175,0.2]。
[0342]
实施例32：
[0343]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，主要内容见实施例25，其中，第i个致险因子ai的加权平均λ截集如下所示：
[0344][0345]
式中，aj、分别为第j个判断结果的权重和对致险因子ai评估的λ截集；为加权平均λ截集元素的上、下界。
[0346]
实施例33：
[0347]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，主要内容见实施例25，其中，所述致险因子发生概率i
ai
如下所示：
[0348][0349]
式中，α为乐观系数，α∈[0,1]，当α＝0或1时，分别对应模糊数解模糊化值的上下界；α＝0.5，为模糊数解模糊化值的代表值；和分别为模糊数左右隶属函数反函数的积分值；
[0350]
其中，积分值和积分值分别如下所示：
[0351][0352][0353]
式中，分别为加权平均λ截集的上、下界，λ＝0,0.1,0.2,
···
,1；δλ＝0.1。
[0354]
实施例34：
[0355]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，主要内容见实施例25，其中，该系统还包括用于显示致险因子发生概率的结果显示模块。
[0356]
实施例35：
[0357]
一种基于模糊理论的临时看台安全事故致险因子发生概率计算系统，主要内容见实施例25，其中，该系统还包括用于存储临时看台安全事故致险因子发生概率判断结果获取模块、发生概率等级量化模块、量化结果处理模块和致险因子发生概率计算模块数据的数据库。

技术特征：

1.一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，其特征在于，包括以下步骤：1)确定所述典型临时看台安全事故致险因子。2)获取临时看台安全事故致险因子发生概率的若干预测结果；3)针对致险因子的模糊性问题，引入模糊理论，对每个致险因子的发生概率预测结果进行量化，得到若干致险因子发生可能性大小；4)利用加权平均方式综合所有致险因子发生可能性大小，得到致险因子发生可能性的加权平均λ截集；5)利用lion积分值法对致险因子发生可能性的加权平均λ截集进行解模糊处理，从而预测出致险因子的发生概率。2.根据权利要求1所述的一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，其特征在于，所述典型临时看台安全事故致险因子包括强风、地基积水、地质情况勘察不足、地基处理不合理、人跳跃活动、人密度过大、构件初始几何缺陷、连接不合理、装配误差、构件尺寸偏差和温度过低中的一个或多个。3.根据权利要求1所述的一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，其特征在于，所述临时看台安全事故致险因子发生概率的预测结果基于专家经验获得。4.根据权利要求1所述的一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，其特征在于，所述临时看台安全事故致险因子发生概率的预测结果包括很低、低、较低、中等、较高、高、很高。5.根据权利要求1所述的一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，其特征在于，步骤3)中，利用不同模糊语言对应的三角模糊数λ截集对致险因子的发生概率评估结果进行量化；所述三角模糊数m＝(a,b,c)的隶属度函数μ
m
如下所示：式中，x为模糊数。6.根据权利要求5所述的一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，其特征在于，所述三角模糊数m＝(a,b,c)的λ截集如下所示：m
λ
＝[(b-a)λ+a,(b-c)λ+c]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中，参数λ∈[0,1]。7.根据权利要求1所述的一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，其特征在于，所述临时看台安全事故致险因子发生概率的预测结果与三角模糊数的λ截集m
λ
之间的对应关系如下所示：当临时看台安全事故致险因子发生概率的预测结果为“很低”时，三角模糊数的λ截集m
λ
＝[0,-0.025λ+0.025]；当临时看台安全事故致险因子发生概率的预测结果为“低”时，三角模糊数的λ截集m
λ
＝[0.025λ,-0.025λ+0.05]；当临时看台安全事故致险因子发生概率的预测结果为“较低”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.025,-0.0375λ+0.1]；当临时看台安全事故致险因子发生概率的预测结果为“中等”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.075,-0.025λ+0.125]；当专家对某一致险因子发生概率的判断结果为“较高”时，三角模糊数的λ截集m
λ
＝[0.0375λ+0.1,-0.0375λ+0.175]；当临时看台安全事故致险因子发生概率的预测结果为“高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.15,-0.025λ+0.2]；当临时看台安全事故致险因子发生概率的预测结果为“很高”时，三角模糊数的λ截集m
λ
＝[0.025λ+0.175,0.2]。8.根据权利要求1所述的一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，其特征在于，综合多位专家评估结果的第i个致险因子a
i
的加权平均λ截集γ
ai
如下所示：式中，a
j
、分别为第j位专家的权重和对致险因子a
i
评估的λ截集。9.根据权利要求1所述的一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法，其特征在于，致险因子的发生概率如下所示：式中，α为乐观系数，α∈[0,1]，当α＝0或1时，分别对应模糊数解模糊化值的上下界；α＝0.5，为模糊数解模糊化值的代表值；和分别为模糊数左右隶属函数反函数的积分值；其中，积分值和积分值分别如下所示：分别如下所示：式中，分别为加权平均λ截集的上、下界，λ＝0,0.1,0.2,
…
,1；δλ＝0.1。10.一种计算机可读存储介质，其特征在于，所述计算机可读介质存储有计算机程序；所述计算机程序被处理器执行时，实现权利要求1至9任一项所述方法的步骤。

技术总结

本发明提出了一种基于模糊理论的临时看台安全事故致险因子发生概率预测方法及介质，方法步骤包括利用Lion积分值法对致险因子发生可能性的加权平均λ截集进行解模糊处理，从而预测出致险因子的发生概率。介质存储有计算机存储。本发明不受统计数据缺失的限制，可以基于本领域专家的工程经验以及现有的安全事故资料，利用模糊理论对临时看台安全事故致险因子的发生概率进行预测，从而为临时看台结构的安全评估奠定基础。的安全评估奠定基础。的安全评估奠定基础。