基于二元决策图的对数正态分布不确定性传播方法在概率安全评估中的创新应用

本研究针对概率安全评估(PSA)中相关对数正态随机变量的不确定性传播难题，提出了基于二元决策图(BDD)的解析方法。通过递归计算矩量，该方法实现了顶事件概率均值的精确计算，与蒙特卡洛(MC)和Fenton-Wilkinson(FW)方法相比，在保证计算效率的同时显著提升了不确定性量化的精度，为PSA领域提供了新的技术路径。

　　

在概率安全评估(Probabilistic Safety Assessment, PSA)领域，研究人员开发了一种基于二元决策图(Binary Decision Diagram, BDD)的创新分析方法，专门用于处理对数正态分布(lognormal distribution)相关随机变量的不确定性传播问题。该方法通过递归计算矩量(moments)实现了顶事件概率(top event probability)均值的精确解析，相比常用的蒙特卡洛模拟(Monte Carlo, MC)和Fenton-Wilkinson(FW)方法，在计算效率和精度方面展现出显著优势。实证研究表明，BDD方法能够有效捕捉故障树(fault tree)输出中基本事件(basic events)的对数正态分布特性，生成与基准方法高度吻合的概率密度函数(Probability Density Function, PDF)。这项技术为PSA中的不确定性量化提供了既精确又计算高效的解决方案，避免了传统方法巨大的计算成本。