一种从级联故障中重建相互依赖基础设施网络的贝叶斯方法
机器学习
2022-11-29 v1 社会与信息网络
摘要
分析复杂相互依赖网络的行为需要关于网络拓扑和跨网络依赖链接的完整信息。对于关键基础设施系统等许多应用而言，理解网络相互依赖性对于预测级联故障和规划中断至关重要。然而，由于隐私和安全问题，单个网络的拓扑数据通常无法公开获取。此外，依赖链接往往仅在中断发生后的级联故障结果中才显现出来。我们提出了一种可扩展的非参数贝叶斯方法，用于从级联故障的观测中重建相互依赖基础设施网络的拓扑。采用 Metropolis-Hastings 算法结合基础设施相关的提议分布，以提高对可能图进行采样的效率。重建一个合成相互依赖基础设施网络系统的结果表明，所提出的方法在准确性和计算时间上均优于现有方法。我们进一步应用此方法重建了一个合成系统和两个真实世界的相互依赖基础设施网络系统的拓扑，包括美国田纳西州谢尔比县的气-电-水网络以及意大利的一个电-水相互依赖系统，以证明该方法的普遍适用性。
引用
@article{arxiv.2211.15590,
title = {A Bayesian Approach to Reconstructing Interdependent Infrastructure Networks from Cascading Failures},
author = {Yu Wang and Jin-Zhu Yu and Hiba Baroud},
journal= {arXiv preprint arXiv:2211.15590},
year = {2022}
}