亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        上海市道路旅客運(yùn)輸行業(yè)安全診斷研究

        2022-09-07 02:43:10呂通通張奕菁
        交通與港航 2022年4期
        關(guān)鍵詞:網(wǎng)絡(luò)結(jié)構(gòu)敏感度均值

        楊 軍,呂通通,張奕菁

        1.上海市交通委員會(huì),2.上海交通大學(xué)交通研究中心

        0 引 言

        “十四五”開(kāi)局之年,全國(guó)綜合交通體系逐步進(jìn)入建管并重的發(fā)展階段,對(duì)安全生產(chǎn)工作提出了更高要求。較航空、鐵路、水路運(yùn)輸而言,道路運(yùn)輸行業(yè)安全生產(chǎn)形勢(shì)最為嚴(yán)峻[1],京滬等特大城市問(wèn)題尤其突出。近年上海市開(kāi)展了道路運(yùn)輸重點(diǎn)行業(yè)安全診斷分析工作,行業(yè)數(shù)據(jù)不斷完善。因此,利用基于大數(shù)據(jù)的智能分析方法構(gòu)造可靠的診斷分析工具,進(jìn)一步研究行業(yè)安全營(yíng)運(yùn)特性,對(duì)應(yīng)對(duì)復(fù)雜運(yùn)營(yíng)安全風(fēng)險(xiǎn),提高行業(yè)安全生產(chǎn)管理能力顯得尤為重要。

        本文根據(jù)上海市道路運(yùn)輸行業(yè)需求,重點(diǎn)關(guān)注道路旅客運(yùn)輸行業(yè)企業(yè)層面的安全運(yùn)營(yíng)診斷研究。近年相關(guān)定量研究較少:夏鴻文[2]采用AHP方法建立安全評(píng)價(jià)模型,評(píng)價(jià)了企業(yè)基礎(chǔ)安全及企業(yè)事故風(fēng)險(xiǎn)。吳晶晶等[3]利用AHP方法建立省際道路客運(yùn)生產(chǎn)安全風(fēng)險(xiǎn)評(píng)價(jià)模型,實(shí)現(xiàn)企業(yè)安全生產(chǎn)風(fēng)險(xiǎn)等級(jí)自動(dòng)評(píng)價(jià)功能。趙煒華等[4]構(gòu)建道路運(yùn)輸企業(yè)車(chē)輛行車(chē)風(fēng)險(xiǎn)水平評(píng)估模型,提出示例型行車(chē)風(fēng)險(xiǎn)動(dòng)態(tài)控制措施。魯光泉等[5]結(jié)合AHP和熵權(quán)法進(jìn)行組合賦權(quán)建模,并評(píng)價(jià)了道路客運(yùn)企業(yè)交通安全管理水平。朱文艷[6]使用G1開(kāi)展安全評(píng)價(jià),從人、車(chē)、管理3個(gè)角度建立了城市公交安全評(píng)價(jià)體系。周志強(qiáng)[7]依據(jù)客運(yùn)企業(yè)的風(fēng)險(xiǎn)源辨識(shí)結(jié)果構(gòu)建安全評(píng)價(jià)指標(biāo)體系,并使用AHP法進(jìn)行安全評(píng)價(jià)。上述研究多采用AHP法,其依賴(lài)權(quán)重打分,易出現(xiàn)主觀誤差等問(wèn)題。通過(guò)G1法或組合賦權(quán)法雖解決了部分問(wèn)題,但在處理高維樣本因素耦合及不確定性問(wèn)題分析上效果欠佳。據(jù)此,本文建立道路旅客運(yùn)輸行業(yè)安全指標(biāo)體系,將影響因素劃分為人員、車(chē)輛及設(shè)備、線路及環(huán)境、企業(yè)基本信息和企業(yè)安全管理5類(lèi)指標(biāo)。為降低主觀偏差影響,結(jié)合專(zhuān)家知識(shí)融合及K2算法構(gòu)造貝葉斯網(wǎng)絡(luò)模型,就5類(lèi)指標(biāo)分別建立子模型,基于子模型分析結(jié)果篩選顯著因素,構(gòu)建跨指標(biāo)安全診斷模型。以安全隱患數(shù)量、安全標(biāo)準(zhǔn)化建設(shè)程度、違法數(shù)量為研究目標(biāo),基于實(shí)際數(shù)據(jù)進(jìn)行模型量化分析,為提升行業(yè)安全生產(chǎn)水平提供思路。

        1 安全指標(biāo)體系建立

        安全診斷的前提和基礎(chǔ)是分析研究診斷對(duì)象、確定安全指標(biāo)體系,指標(biāo)的質(zhì)量直接關(guān)系到診斷結(jié)果的準(zhǔn)確性[8]。本文依據(jù)《中華人民共和國(guó)安全生產(chǎn)法》、《交通運(yùn)輸部關(guān)于推進(jìn)交通運(yùn)輸安全體系建設(shè)的意見(jiàn)》(交安監(jiān)發(fā)〔2015〕20號(hào))、《交通運(yùn)輸企業(yè)安全生產(chǎn)標(biāo)準(zhǔn)化建設(shè)基本規(guī)范》(JT/T 11807—2018)、《道路旅客運(yùn)輸企業(yè)安全管理規(guī)范》(交運(yùn)發(fā)〔2018〕55號(hào))等法律規(guī)范文件,以及對(duì)上海市道路旅客運(yùn)輸重點(diǎn)企業(yè)實(shí)地調(diào)研,通過(guò)辨識(shí)整理得到75類(lèi)行業(yè)安全影響因素。

        按照科學(xué)性、系統(tǒng)性、可操作性、目的性和持續(xù)改進(jìn)的原則將75個(gè)因素劃分為5類(lèi)指標(biāo)并編碼,建立道路旅客運(yùn)輸行業(yè)安全指標(biāo)體系(圖1)。其中Pi表示人員指標(biāo)第i個(gè)安全影響因素,依此類(lèi)推。

        圖1 道路旅客運(yùn)輸行業(yè)安全指標(biāo)體系

        2 基于EKF-BN的模型構(gòu)建

        2.1 貝葉斯網(wǎng)絡(luò)

        貝葉斯網(wǎng)絡(luò)(BN)是一種基于概率推理的有向無(wú)環(huán)圖形化網(wǎng)絡(luò),由節(jié)點(diǎn)與連接節(jié)點(diǎn)的弧組成,運(yùn)用條件概率表達(dá)變量間關(guān)系。由于能夠有效處理變量多、不確定性強(qiáng)且存在交互作用的問(wèn)題,被廣泛應(yīng)用于數(shù)學(xué)、計(jì)算機(jī)、生物醫(yī)學(xué)等領(lǐng)域[9]。

        BN依托貝葉斯定理表達(dá)變量間的關(guān)系。假設(shè)A為目標(biāo)變量,Bi為第i個(gè)因素變量,i=1,2,…,n。P(Bi)為Bi的先驗(yàn)概率,且P(Bi)>0。P(A|Bi)為Bi發(fā)生的條件下A的條件概率。隨著變量數(shù)據(jù)作為證據(jù)不斷加入,利用式(1)計(jì)算可不斷更新式中缺失概率信息的后驗(yàn)概率。

        2.2 基于EKF-BN的網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)

        基于純數(shù)據(jù)學(xué)習(xí)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)由于搜索空間龐大而效率低下,且隨著數(shù)據(jù)維度增加,基于復(fù)雜算法的網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)又可能產(chǎn)生過(guò)擬合現(xiàn)象導(dǎo)致模型實(shí)用性降低[10]。

        基于此,本文根據(jù)圖分塊思維[11],分別構(gòu)建五類(lèi)指標(biāo)子模型,降低數(shù)據(jù)維度與節(jié)點(diǎn)數(shù)量。引入基于專(zhuān)家知識(shí)融合(EKF)的方法,根據(jù)實(shí)際調(diào)研獲取的專(zhuān)家知識(shí),利用證據(jù)推理(DS)方法進(jìn)行融合,獲取網(wǎng)絡(luò)先驗(yàn)結(jié)構(gòu)信息,再利用K2算法進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí),將子模型分析結(jié)果應(yīng)用于安全診斷模型建立過(guò)程,并完成模型建立。

        2.2.1 利用EKF構(gòu)造先驗(yàn)網(wǎng)絡(luò)結(jié)構(gòu)

        先驗(yàn)網(wǎng)絡(luò)結(jié)構(gòu)指在網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)前構(gòu)造部分網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),對(duì)網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)起到一定的引導(dǎo)、輔助作用,可以降低搜索空間。單純利用專(zhuān)家知識(shí)構(gòu)造網(wǎng)絡(luò)結(jié)構(gòu)可以解決效率低下的問(wèn)題,但易受到專(zhuān)家主觀因素影響。本文引入基于DS的專(zhuān)家知識(shí)融合(EKF)方法,結(jié)合上海市交通運(yùn)輸重點(diǎn)行業(yè)安全診斷分析工作中實(shí)地獲取的專(zhuān)家意見(jiàn),進(jìn)行可信度分配和融合,構(gòu)造先驗(yàn)網(wǎng)絡(luò)結(jié)構(gòu)序列。經(jīng)過(guò)漢明距離測(cè)試,該方法優(yōu)于傳統(tǒng)K2算法[12]。

        2.2.2 利用K2算法進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)

        EKF方法可確定部分先驗(yàn)網(wǎng)絡(luò),故選擇K2算法進(jìn)行網(wǎng)絡(luò)構(gòu)造。在事先合理確定因素節(jié)點(diǎn)序列的條件下,此算法可以快速識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)。算法結(jié)合貝葉斯評(píng)分與貪婪搜索方法,學(xué)習(xí)數(shù)據(jù)集以構(gòu)造網(wǎng)絡(luò),通過(guò)評(píng)分和迭代得到最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)[13]。

        算法執(zhí)行使用式(3)的對(duì)數(shù)函數(shù)表達(dá)式以降低計(jì)算復(fù)雜度[13]。結(jié)合貪婪搜索算法,在確定部分先驗(yàn)網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上遞增Pa(xi),進(jìn)而增加P(Bs,D)。當(dāng)單個(gè)Pa(xi)增加不再引起P(Bs,D)增加,則遞增過(guò)程停止,輸出Bs。

        3 實(shí)例研究

        為了解決上海市道路運(yùn)輸行業(yè)與企業(yè)對(duì)安全管理的定量化指標(biāo)及抓手的問(wèn)題,本文參照《交通運(yùn)輸企業(yè)安全生產(chǎn)標(biāo)準(zhǔn)化建設(shè)評(píng)價(jià)管理辦法》(交安監(jiān)發(fā)〔2016〕133號(hào))、《上海市交通行業(yè)安全生產(chǎn)事故隱患排查治理辦法(試行)》(滬交行規(guī)〔2019〕3號(hào)),共設(shè)置4個(gè)目標(biāo)變量(表1)。

        表1 目標(biāo)變量

        3.1 數(shù)據(jù)來(lái)源及預(yù)處理

        研究數(shù)據(jù)采集自上海市安全生產(chǎn)監(jiān)督管理平臺(tái)數(shù)據(jù)庫(kù),以及全市193家道路旅客運(yùn)輸和涉及相關(guān)業(yè)務(wù)的重點(diǎn)企業(yè)的網(wǎng)絡(luò)問(wèn)卷調(diào)查結(jié)果。共采集到數(shù)據(jù)193條,經(jīng)數(shù)據(jù)清洗剔除重復(fù)性數(shù)據(jù)2條,缺失數(shù)據(jù)15條,無(wú)效數(shù)據(jù)4條,得到有效數(shù)據(jù)172條。

        為滿足貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)要求,需要將數(shù)據(jù)中的連續(xù)變量離散化。以駕駛員平均駕齡(P11),車(chē)輛平均使用年限(V7),通勤通學(xué)包車(chē)線路數(shù)(L6),省際包車(chē)客運(yùn)(B2),安全生產(chǎn)例會(huì)頻率(S9)為例,部分預(yù)處理結(jié)果見(jiàn)表2。

        表2 數(shù)據(jù)預(yù)處理結(jié)果

        3.2 安全診斷模型構(gòu)建

        3.2.1 子模型構(gòu)建

        采用GeNIe軟件實(shí)現(xiàn)模型可視化,該軟件可有效進(jìn)行基于背景知識(shí)的K2算法學(xué)習(xí)[14]。利用EKF結(jié)合K2算法對(duì)5類(lèi)指標(biāo)分別構(gòu)造貝葉斯網(wǎng)絡(luò)子模型(圖2),圖中實(shí)箭線為利用EKF方法構(gòu)造的先驗(yàn)網(wǎng)絡(luò)結(jié)構(gòu),虛箭線為經(jīng)過(guò)K2算法學(xué)習(xí)得到的后驗(yàn)網(wǎng)絡(luò)。

        圖2 子模型網(wǎng)絡(luò)結(jié)構(gòu)

        分別計(jì)算每個(gè)子模型中各因素間影響力以及因素的敏感度數(shù)值并取均值,選取影響力或敏感度均值顯著的影響因素(表3),表中括號(hào)內(nèi)的因素為顯著因素的強(qiáng)關(guān)聯(lián)因素,在前表示子節(jié)點(diǎn),在后為父節(jié)點(diǎn)。

        表3 子模型因素篩選結(jié)果

        3.2.2 安全診斷模型構(gòu)建

        利用子模型篩選的31個(gè)顯著因素,重復(fù)上述建模方法得到安全診斷模型(圖3),利用GeNIe軟件自帶交叉驗(yàn)證方法中的LOO(Leave one out)方式驗(yàn)證模型,得到模型命中率均值為0.745 64。

        圖3 安全診斷網(wǎng)絡(luò)模型

        利用受試者工作特征曲線(Receiver operat-ing characteristic curve,ROC)檢驗(yàn)?zāi)P偷姆夯芰15]。計(jì)算曲線右側(cè)面積AUC(The area under the ROC curve),若AUC>0.5表示模型可行,數(shù)值越高模型泛化能力越好。經(jīng)檢驗(yàn),4個(gè)目標(biāo)變量AUC均值達(dá)到0.649 04,表明模型總體可行。

        3.3 模型診斷結(jié)果分析

        利用影響力及敏感度分析,分別診斷5類(lèi)子模型的指標(biāo)內(nèi)各因素對(duì)系統(tǒng)安全性的影響情況,再進(jìn)行跨指標(biāo)安全診斷模型分析。影響力分析可判斷節(jié)點(diǎn)之間的關(guān)系強(qiáng)度,影響力指數(shù)越高,兩節(jié)點(diǎn)連接強(qiáng)度越強(qiáng)。敏感度分析可探知因素節(jié)點(diǎn)微小變化對(duì)目標(biāo)節(jié)點(diǎn)的擾動(dòng)大小。

        3.3.1 人員層面

        提取人員子模型敏感度分析結(jié)果并降序排列(表4),觀察影響力均值>0.2的子父節(jié)點(diǎn)關(guān)系。得到影響安全性最大的3個(gè)因素分別是“駕駛員總?cè)藬?shù)”“專(zhuān)職安全生產(chǎn)管理人員數(shù)”“安全生產(chǎn)管理人員總?cè)藬?shù)”。進(jìn)一步探究因素關(guān)系發(fā)現(xiàn):“駕駛員總?cè)藬?shù)”“從業(yè)人員安全意識(shí)”對(duì)T4影響力指數(shù)均值分別為0.671和0.281;“公司員工總?cè)藬?shù)”對(duì)T3的指數(shù)均值為0.349;T1對(duì)“配備安全生產(chǎn)管理總?cè)藬?shù)”的指數(shù)均值為0.447。

        表4 人員子模型敏感度分析結(jié)果

        3.3.2 車(chē)輛及設(shè)備層面

        同理提取車(chē)輛及設(shè)備子模型敏感度分析結(jié)果見(jiàn)表5,并觀察影響力均值>0.2的子父節(jié)點(diǎn)關(guān)系。得到影響安全性最大的3個(gè)因素分別是“運(yùn)營(yíng)車(chē)輛平均技術(shù)等級(jí)”“實(shí)際運(yùn)營(yíng)車(chē)輛數(shù)”“目前實(shí)際擁有車(chē)輛總數(shù)”。觀察因素影響力強(qiáng)度關(guān)系發(fā)現(xiàn):“實(shí)際運(yùn)營(yíng)車(chē)輛平均技術(shù)等級(jí)”對(duì)T1、T2和T4均有強(qiáng)關(guān)聯(lián),指數(shù)均值分別為0.232、0.314和0.275;“實(shí)際運(yùn)營(yíng)車(chē)輛數(shù)”“安全設(shè)備維護(hù)保養(yǎng)及定期檢測(cè)”對(duì)T4有較強(qiáng)關(guān)聯(lián),指數(shù)均值為0.263和0.215。

        表5 車(chē)輛及設(shè)備子模型敏感度分析結(jié)果

        3.3.3 線路及環(huán)境層面

        同上(表6),得到影響安全性最大的3個(gè)因素分別是“配備乘務(wù)員的線路條數(shù)”“班車(chē)客運(yùn)營(yíng)運(yùn)線路長(zhǎng)度”“省際班線數(shù)”。影響力分析結(jié)果顯示:“配備乘務(wù)員的線路條數(shù)”“選線考慮營(yíng)運(yùn)利潤(rùn)”對(duì)T2的影響較強(qiáng),指數(shù)均值分別為0.354和0.247。

        表6 線路及環(huán)境子模型敏感度分析結(jié)果

        3.3.4 企業(yè)基本信息層面

        同上(表7),得到影響安全性最大的3個(gè)因素分別是“省際包車(chē)客運(yùn)”“年度誠(chéng)信評(píng)價(jià)考核等級(jí)”和“年客運(yùn)量”。影響力分析結(jié)果發(fā)現(xiàn):開(kāi)設(shè)“省際包車(chē)客運(yùn)”對(duì)“年度誠(chéng)信評(píng)價(jià)考核等級(jí)”影響最強(qiáng),均值達(dá)到0.615;“年度誠(chéng)信評(píng)價(jià)考核等級(jí)”對(duì)T2、T3的影響力指數(shù)均值分別達(dá)到0.256和0.472;“年實(shí)際運(yùn)營(yíng)收入”對(duì)T2的指數(shù)均值為0.211。

        表7 企業(yè)基本信息子模型敏感度分析結(jié)果

        3.3.5 企業(yè)安全管理層面

        同上(表8),得到影響安全性最大的3個(gè)因素分別是“應(yīng)急預(yù)案制定情況”“應(yīng)急預(yù)案演練情況”“隱患排查頻率”。影響力分析發(fā)現(xiàn):“應(yīng)急預(yù)案制定情況”對(duì)T1、T2和T3有強(qiáng)相關(guān),指數(shù)均值分別為0.262、0.341和0.240;T1對(duì)“不同監(jiān)管措施”指數(shù)均值為0.390,而“應(yīng)急預(yù)案演練情況”對(duì)“不同監(jiān)管措施”指數(shù)均值達(dá)到0.430;“安全生產(chǎn)自查情況”對(duì)“隱患排查頻率”影響力較高,指數(shù)均值為0.299。

        表8 企業(yè)安全管理子模型敏感度分析結(jié)果

        3.3.6 跨指標(biāo)安全診斷

        結(jié)合敏感度及后驗(yàn)概率分析,以T1(一般安全隱患數(shù)量)的安全診斷為例進(jìn)行跨指標(biāo)的安全診斷。首先進(jìn)行單個(gè)因素的敏感度分析,并作歸一處理。提取對(duì)T1敏感度指數(shù)>0.1的因素為顯著項(xiàng),對(duì)應(yīng)的歸一化結(jié)果作為安全診斷的部分依據(jù)。再進(jìn)行后驗(yàn)概率分析,利用GeNIe軟件后驗(yàn)概率計(jì)算功能,通過(guò)設(shè)置顯著因素中每個(gè)狀態(tài)為“證據(jù)”(該狀態(tài)絕對(duì)發(fā)生),可以得到受該狀態(tài)影響下T1的概率變化情況,作歸一處理后,結(jié)合敏感度分析結(jié)果即可診斷出單個(gè)狀態(tài)對(duì)T1影響程度。對(duì)T1的跨指標(biāo)安全診斷見(jiàn)表9。

        表9 T1安全診斷結(jié)果

        經(jīng)過(guò)診斷,得到導(dǎo)致“一般安全隱患數(shù)量”上升的狀態(tài)有“年度誠(chéng)信評(píng)價(jià)考核等級(jí)”為“B級(jí)”,“應(yīng)急預(yù)案制定情況”為“正在制定”,“應(yīng)急預(yù)案演練情況”為“從未進(jìn)行”,“隱患排查頻率”為“每半年一次”。此外,觀察分析結(jié)果發(fā)現(xiàn):“年度誠(chéng)信評(píng)價(jià)考核等級(jí)”中各單狀態(tài)權(quán)重較高,對(duì)“一般安全隱患數(shù)量”表達(dá)出高敏感。“應(yīng)急預(yù)案演練情況”為“一年兩次及以上”對(duì)安全隱患提升也具有貢獻(xiàn),這可能是由于企業(yè)頻繁進(jìn)行演練導(dǎo)致其并沒(méi)有從實(shí)質(zhì)上提高從業(yè)人員的安全意識(shí)。保持“每周一次”的隱患排查頻率較“每日一次”的頻率,對(duì)降低“一般安全隱患數(shù)量”更有幫助。

        4 總 結(jié)

        本文將75個(gè)安全影響因素劃分為5類(lèi)指標(biāo)。利用EKF-BN方法針對(duì)172條企業(yè)數(shù)據(jù)進(jìn)行建模分析,盡可能全面地刻畫(huà)道路旅客運(yùn)輸行業(yè)營(yíng)運(yùn)中安全影響因素間的耦合關(guān)系。分析結(jié)果顯示,人員層面“駕駛員總?cè)藬?shù)”,車(chē)輛及設(shè)備層面“營(yíng)運(yùn)車(chē)輛平均技術(shù)等級(jí)”,線路及環(huán)境層面“配備乘務(wù)員的線路條數(shù)”,企業(yè)基本信息層面開(kāi)設(shè)“省際包車(chē)客運(yùn)”,企業(yè)安全管理層面“應(yīng)急預(yù)案制定情況”在各子網(wǎng)系統(tǒng)中對(duì)系統(tǒng)安全性影響最大。進(jìn)行跨指標(biāo)因素單個(gè)狀態(tài)的分析得到:導(dǎo)致一般安全隱患數(shù)量上升的企業(yè),其狀態(tài)特征為年度誠(chéng)信評(píng)價(jià)考核等級(jí)被評(píng)為B級(jí),未完成應(yīng)急預(yù)案制定,從未進(jìn)行應(yīng)急預(yù)案演練及每半年進(jìn)行一次隱患排查。針對(duì)道路旅客運(yùn)輸行業(yè)跨指標(biāo)因素建立貝葉斯網(wǎng)絡(luò)屬于NP問(wèn)題[11],本文建模方法可能忽視了一些跨指標(biāo)間耦合關(guān)系,將在之后的研究中繼續(xù)探索。其次,由于數(shù)據(jù)庫(kù)不夠完善,部分研究數(shù)據(jù)由問(wèn)卷調(diào)研作為補(bǔ)充,可能存在一定主觀偏差。

        猜你喜歡
        網(wǎng)絡(luò)結(jié)構(gòu)敏感度均值
        全體外預(yù)應(yīng)力節(jié)段梁動(dòng)力特性對(duì)于接縫的敏感度研究
        電視臺(tái)記者新聞敏感度培養(yǎng)策略
        新聞傳播(2018年10期)2018-08-16 02:10:16
        在京韓國(guó)留學(xué)生跨文化敏感度實(shí)證研究
        均值不等式失效時(shí)的解決方法
        均值與方差在生活中的應(yīng)用
        基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
        知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)維對(duì)于創(chuàng)新績(jī)效的作用機(jī)制——遠(yuǎn)程創(chuàng)新搜尋的中介作用
        滬港通下A+ H股票網(wǎng)絡(luò)結(jié)構(gòu)演化的實(shí)證分析
        復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比對(duì)算法研究進(jìn)展
        關(guān)于均值有界變差函數(shù)的重要不等式
        亚洲av无码专区在线电影| 精品在线视频在线视频在线视频| 一区二区视频在线观看地址| 高潮潮喷奶水飞溅视频无码| 中文无码乱人伦中文视频在线v| 99热精品成人免费观看| 日本激情视频一区在线观看| 国产精品亚洲一区二区三区在线| 天堂资源中文网| 夜先锋av资源网站| 亚洲欧洲高潮| 日本一区二区三区资源视频| 国产av剧情精品麻豆| 成人免费a级毛片无码片2022| 一区二区三区午夜视频在线| 国产无套乱子伦精彩是白视频| 久久99精品久久久久久9蜜桃| 中文字幕无码家庭乱欲| 97精品国产91久久久久久久| 亚洲人成伊人成综合网中文| av在线免费高清观看| 97人妻精品一区二区三区男同| 国产精品美女久久久久av福利| 国产一区二区三区在线观看免费| 国产精品无码无片在线观看3D| 久草国产手机视频在线观看| 国产亚洲精品品视频在线| 天堂资源中文最新版在线一区| 人妻丰满av∨中文久久不卡 | 国产剧情亚洲一区二区三区| 日本黄色一区二区三区| 日本xxxx色视频在线观看免费| 国产盗摄xxxx视频xxxx| 四虎永久免费影院在线| www.尤物视频.com| 偷拍一区二区三区高清视频| 亚洲精品无码专区| 国产精品丝袜黑色高跟鞋| 国产不卡视频一区二区在线观看| 日韩人妻美乳中文字幕在线| 中文字幕人妻熟女人妻|