面向稀有与极端事件的复杂系统引导式概率模拟

基于模拟的或动态概率风险评估方法最初是为了对复杂系统的事故响应提供更现实、更完整的表示而开发的。此类基于模拟的方法已被证明对于具有控制回路及其元素（无论是硬件、软件还是人）之间复杂相互作用的系统尤为强大，因为它们提供了一个自然的概率环境，以包含系统行为的物理模型（例如核电站的耦合中子学和热工水力代码）、预测材料或硬件系统故障的机制模型以及自然灾害模型。尽管基于模拟的方法取得了进展，但基本挑战依然存在，因为即使模拟相对低复杂度的系统，可能的概率系统轨迹空间在规模上也几乎是无限的。在本文中，开发了一个用于识别稀有和极端事件的框架，该框架允许使用反向轨迹将故障（或其他系统状态）追溯至原因，以便采取潜在的缓解措施。该框架由智能引导模块、轨迹生成模块和物理模拟模块组成。智能引导模块向轨迹生成模块提供规划信息，后者通过与其环境中的物理模拟交互来创建场景。进而，系统轨迹或场景被创建并进行后处理，以向智能引导模块提供更新信息，或在满足停止准则时汇总结果。引导式模拟的目标是控制场景树的增长，并高效识别满足单一或多个准则的重要场景。我们为每个模块提出了几种解决方案策略，包括定性和数据驱动的策略。