1.基于混合启发式规则系统的铁路运输风险概率计算方法，该方法包括以下各步骤：步骤(1)输入为采集某铁路运输区间的环境监测量、设备监测量、承运监测量，其中环境监测量包括通过雨量器测得降雨量f1(t)，单位为mm，f1(t)≥0；风速测量仪测得风速f2(t)，单位为m/s，f2(t)≥0；能见度观测仪测得能见度f3(t)，单位为m，f3(t)≥0，通过地面温度传感器测得霜冻数据f4(t)，单位为℃，f4(t)∈[‑50，50]；设备监测量包括机车f5(t)，车辆f6(t)，轨道f7(t)，信号系统f8(t)，受电弓f9(t)的故障时间，单位为h，fj(t)∈[0,72],j＝5,6,7,8,9；承运监测量包括乘客超员人数f10(t)，单位为个，f10(t)≥0，货物超载重量f11(t)，单位吨，f11(t)≥0；数据每天采集一次，共采集T天，1≤T<∞，则采样时刻t＝1,2,...,T；输出为铁路运输风险概率Y(t)∈[0％,100％]，x％表示此线路当天发生事故或故障的车辆数占比为x％；

步骤(2)建立混合启发式规则系统的规则，采用环境监测量C1＝[f1(t),f2(t),f3(t),f4(t)]，设备监测量C2＝[f5(t),f6(t),f7(t),f8(t),f9(t)]，承运监测量C3＝[f10(t),f11(t)]与风险概率Y的非线性关系，先建立交集启发式规则系统，其中的第l条交集规则记为Rl，其表示形式如下：其中fa,fb∈Cg,g＝1,2,3,fa≠fb,“∧”表示规则仅仅处于交集假设下，Rl的规则权重为θl∈[0,1]；输入变量f1(t)～f11(t)对应的属性权重分别为δj∈[0,1],j＝1,2...11；

式(1)中， 分别为混合启发式规则系统的输入变量的fa、fb参考值，且有其中j＝1,2…11，Qj为 的取值空间，其中的元素满足

xj表示对应第j

个输入变量参考值的取值个数，xj≥1；分别在Q1,Q2...Q11中抽取元素作为fj的参考值，由此

4 5

组合成规则，共计产生L1＝3＝81条环境监测量启发式规则，L2＝3＝243条设备监测量规3

则，L3＝3＝9条承运监测量规则，共计L＝333条；

式(1)中，Rl后项属性分别为G1,G2,…,GN，并有LY≤G1

步骤(3)通过交集和并集组合的方式对交集启发式规则进行约减，建立混合启发式规则库，其中第l条混合启发式规则 如下：其中fa,fb,fc∈Cg,g＝1,2,3,and,fa≠fb≠fc,“∧”表示规则处于交集假设下，“∨”表示规则处于并集假设下， 的规则权重为 输入变量f1(t)～f11(t)对应的属性权重分别为 组合的条件需要满足规则后项中的信度值λ1,l,λ2,l,...,λN,l相同；设定初始规则权重为 初始属性权重步骤(4)给定环境监测量f1(t)～f4(t)，设备监测量f5(t)～f9(t)，承运监测量f10(t)、f11(t)后，通过混合启发式规则系统获取它们对应的风险概率 具体步骤如下：步骤(4‑1)设定fj的取值分别为fj(t),j＝1,2,...,11，并有 将它们带入混合启发式规则系统模型，计算它们激活规则的权重：

ωl＝θlmh/(θ1m1+θ2m2+...+θ11m11)                       (3)ωl∈[0,1]                               (4)其中，mh为第l条规则的综合差异度，交集假设下的综合差异度为： 并集假设下的综合差异度为： 处于同一假设下的属性为属性组,属性组的个数为H，其中交集假设下的差异度为：并集假设下的差异度为：

式(5)和式(6)中 表示为第l条规则中第j个输入变量相对于参考值 的归一化之后的差异度，差异度的求解如下：(a)当fj(t)≤Aj,1和 时，fj(t)对于Aj,1和 的差异度取值均为1，对于其他参考值的差异度均为0；

(b)当Aj,x

(c)差异度归一化:

步骤(4‑2)对激活规则进行集合：

其中 表示相对于结果Gn的信度值；

步骤(4‑3)获得输入变量为fj(t),j＝1,2,...,11时风险概率计算结果此时得到的结果，即为混合启发式规则系统对铁路运输风险概率。